超分辨率图像重建以获得高分辨率图像为目的,其新颖之处在于突破现有成像设备的硬件限制,通过软件处理使已获得的低分辨率图像增加高频细节,移除退化,得到高分辨率图像。在人们对图像分辨率日益提升的需求下,对超分辨率图像重建的研究具有重要的理论和实用意义。　　本文针对超分辨率图像重建中,低分辨率图像的亚像素级配准和超分辨率重建鲁棒建模这两个关键问题进行研究。针对亚像素级配准问题,对比研究并发展了现有方法,提出了能够处理位移尺度和运动形式的变化,并抵抗模糊和噪声的配准方法。针对鲁棒建模问题,在图像建模理论下,结合并发展了稳健估计、各向异性扩散偏微分方程( Partial Differential Equation,PDE)方法,构造了能够抵抗观测异常值、模糊和噪声重叠作用的超分辨率重建模型。研究内容和创新点主要包括以下几个方面。　　首先,针对全局运动模型下,多尺度位移和抗退化扰动的亚像素级配准问题,提出基于非极大值抑制的多尺度位移亚像素级配准方法。该方法中设计了相位相关结合 Taylor级数法进行多尺度位移的亚像素级配准,进而运用非极大值抑制技术使配准方法具备了抵抗退化扰动的能力。实验结果分析表明,该方法能够适应位移尺度的变化,并能在模糊、噪声扰动下实现准确的亚像素级配准。　　其次,针对含有全局和局部的复合运动视频图像,在建立基于视频对象的超分辨率重建框架的基础上,对视频背景和运动目标区分处理,兼顾超分辨率重建的效果和效率。针对复合运动的亚像素级配准,提出基于灰度统计特性与边缘特性串行组合的阴影检测方法,克服运动目标阴影对配准的扰动,并在块匹配法基础上,提出运动属性分类及非冗余信息抑制的配准方法,解决非冗余信息干扰下的局部运动块的定位与自适应尺度选择问题,提高了全局及局部运动的定位精度和配准精度。　　然后,针对超分辨率重建鲁棒建模问题,通过推导确定性正则化方法、基于统计的方法和基于偏微分方程方法的理论联系和数学等价性,确立了建模的理论依据和方法基础。通过将Tikhonov正则项、HMRF模型(Huber Markov Random Field,HMRF)和TV(Total Variation,TV)模型变换到PDE形式对比分析,构造了基于图像建模超分辨率重建的统一模型,指出图像模型的设计要素为正则函数和邻域像素灰度变化描述算子,并给出选取邻域像素灰度变化描述算子的指导方向。基于 HMRF模型的灵活可调节性,提出一种Huber函数的自适应阈值选取方法,使Huber函数能够依据图像变化更准确地调整阈值,增强了HMRF模型抵抗噪声保持边缘的能力。　　最后,针对模糊及噪声的重叠作用,提出稳健增强超分辨率图像重建模型。通过统计误差分析,揭示了观测数据拟合采用最小二乘估计的低鲁棒性,引入稳健估计解决观测异常值的扰动问题。通过对图像模型作用于像素的物理机制的分析,指出了图像估计问题不仅限于稳健估计,总结给出图像处理中估计模型设计的原理。通过推导各向异性扩散PDE边缘停止函数的构造条件,给出了局部自适应平滑各向异性PDE核函数的构造条件,并将边缘停止函数与稳健函数的关系扩展为各向异性扩散PDE核函数与图像估计函数的关系。依据上述原理、构造条件和函数关系,构造了一种新的估计函数,并结合稳健函数,双边滤波原理,建立了稳健增强超分辨率重建模型,实验表明该模型能够在较强模糊和噪声重叠作用下,实现平滑噪声,增强边缘,具备抵抗模糊和噪声的能力。