随着人们对图像分辨率要求的提高,现有成像设备的分辨率往往不能满足要求,因为在数字图像的获取过程中,成像传感器固有的采样频率限制了图像的分辨率。为了获得更高分辨率的图像而从硬件方面改善需要很高的成本,于是如何利用经济可行的软件方法提高图像的分辨率受到了广泛的关注。利用序列低分辨率图像的信息进行超分辨率重建能够得到比较令人满意的高分辨率图像。超分辨率重建方法已经成为这一领域目前研究的热点。本文主要针对序列图像之间运动参数的估计和超分辨率重建算法这两个方面展开了研究。对于运动参数的估计本文首先利用块运动估计算法,研究并实现了多种搜索算法寻找最佳匹配块,从而估计出运动参数。但由于此算法对运动参数不能估算到亚像素级,精度不够高,于是本文研究并实现了多种亚像素图像配准算法并提出了两种改进算法,分别是基于互相关的改进亚像素图像配准算法,基于Lucchese和去混叠的改进亚像素图像配准算法。实验结果表明,基于互相关的改进亚像素图像配准算法与传统的相位相关方法相比,在保证精度的同时大大缩短了计算时间。基于Lucchese和去混叠的改进亚像素图像配准算法估计的运动参数精度更高,误差更小对于超分辨率图像重建,本文对POCS方法进行了深入研究,针对用基本POCS算法重建的高分辨率图像中出现的边缘缺陷分析了原因,并对算法进行了改进,提出了改善边缘质量的POCS超分辨率图像重建算法,在迭代过程中引入巴特沃斯低通滤波器对重建图像进行平滑处理,弱化了边缘的界限,使边缘能更好地适应凸集约束,改善了重建图像的边缘质量。实验结果表明,改进算法重建图像的质量优于基本POCS算法重建的图像。