超分辨率图像重建(Super-resolution Reconstruction，SRR)是指从一系列模糊的低分辨率观测图像中构造出一幅或多幅清晰的高分辨率图像的技术。SRR采用低成本的基于CCD传感器的图像获取装置，通过信号和图像处理技术来提高图像分辨率，有着广泛的应用前景，目前已成为图像重建领域的研究热点之一。其中，高精度的运动配准算法、盲重建、稳定有效的快速算法等一直是超分辨率重建研究课题中的重点和难点。 本文详细介绍视频成像的基本模型和超分辨率重建原理，对目前现有的几种主要算法的原理和特点进行了深入分析和讨论。现有的视频超分辨率算法大多假定噪声服从高斯分布，采用2阶范数作为代价函数求取最优解。但2阶范数存在着对高频信息敏感，不利于边缘保持等缺点。本文研究和分析了基于MAP的重建算法以及图像噪声对重建质量的影响机理，在此基础上提出了一种采用1阶范数作为代价函数的超分辨率重建方法，该方法适用于原始低分辨率图像的噪声方差较大或者不服从高斯分布的场合，在理论上证明了该方法具有较好的鲁棒性，并且有利于边缘保持。该方法可同时对高分辨率图像和运动矢量进行迭代估计。为了满足视频重建的需求，得到更快的收敛速度，本文还对迭代算法中的迭代参数和迭代步长的选取策略以及迭代初值的设定做了详细讨论。计算机仿真实验结果表明，当原始低分辨率图像的噪声方差较大，或者噪声不服从高斯分布的情况下，本文所提出算法的重建图像质量优于现有的基于2阶范数的方法，并且新方法在重建图像的边缘保持上也有相对较好的效果。