图像超分辨率重建技术是从低分辨率图像序列中获取高分辨图像的技术，它能很好的改善退化图像质量，提高分辨率，在医学图像、遥感等多个领域具有广阔的应用前景。　　 本文主要研究了基于概率估计理论的CT图像的超分辨率重建算法，并围绕成像模型、图像配准及图像分布模型相关理论展开研究。　　 首先介绍CT的基本理论，给出CT图像进行超分辨率重建的前提条件，并依此构建基于最大后验概率估计的超分辨率重建基本模型。　　 针对图像中运动物体边缘和背景的不同特性，为了充分利用序列图像之间的冗余信息和图像中的高频信息，设计了一种基于物体边缘的图像配准方法，采取不同判别法则来恢复更多的图像细节。　　 选用Gauss模型作为噪声模型，并利用TV先验模型构造图像先验，改善重建质量。　　 随后，本文建立了超分辨率重建的目标方程，并采用迭代过程中利用高分辨率图像中的信息来确定平衡保真项和先验项的调整参数的方法，并依次利用最速下降迭代法求解目标方程，获得最优解。　　 最后，本文对CT图像的超分辨率重建的研究工作进行了总结和展望，总结了本论文所完成的主要工作，指出了在未来研究工作中尚存在的难点和尚需解决的问题。