随着多媒体通信和信息处理技术的发展,人们对图像分辨率的要求越来越高。然而许多成像系统受物理条件的限制,所得到的图像往往分辨率很低,图像的视觉效果难以满足人们的需要。如果采用改善物理硬件的方法来获取高分辨率图像,则成本较高,且有时难于实现。因此有必要考虑一种能够克服这些限制的新方法来提高图像空间分辨率。超分辨率重建技术就在这种背景下应运而生。该技术弥补了硬件方面的不足,从软件的角度提高图像的分辨率,增强图像的可用性。因此这种技术一经提出,便引起了许多学者的广泛重视和关注,目前在电视、遥感、医学和公安等领域都具有重要的实际应用价值。超分辨图像重建是指对多幅相互之间存在全局或者局部亚像素位移的低分辨图像进行处理,以此来获取分辨率更高,成像效果更佳的图像或视频的过程,具体可分为基于单帧、静止场景多帧以及序列多帧三大类。其中,基于序列多帧的超分辨重建技术是目前研究的重难点,有待进行更深入的研究。本文探讨了序列图像超分辨率重建技术的发展动态和基础理论,系统地研究了序列图像超分辨率重建的各个环节。重点围绕序列图像的帧间配准、空间域重建法和基于正则模型的超分辨率重建技术进行研究,在此基础上,本论文进行了理论仿真、算法改进和实验验证,并取得一定的研究成果。论文的研究内容和研究成果主要包括如下:1、针对keren配准法、相位相关法和相位相关离散上采样法进行了仿真和实验验证,实测配准精度可达0.15-0.25像元,可支撑后续高分辨重建;2、将全变分正则和双边滤波正则重建法进行仿真对比,试验结果表明基于双边滤波正则的重建法在保持图像边缘和鲁棒性方面表现更好,并讨论了双边滤波正则重建法中不同正则参数的选取对重建结果的影响;3、对后向迭代投影法、凸集投影法以及基于双边滤波正则的超分辨重建三种空间域重建算法进行实验验证,实测结果表明凸集投影法以及基于双边滤波正则的超分辨方法在分辨提升及图像质量改善方面具有一定优势;4、对基于深度卷积神经网络的超分辨重建进行了研究,可用于改善空间域超分辨率图像重建的收敛性。综上所述,本论文对现阶段序列图像超分辨率重建涉及的相关基础理论进行了分析,围绕着序列图像的帧间配准、空间域重建法和基于正则模型的超分辨率重建技术等关键问题进行了探索,并取得了阶段性成果。论文的相关成果为进一步的算法研究提供了理论基础,对提升图像空间分辨率和细节清晰度具有一定的指导意义。