超分辨率(Super-resolution -SR)重构是目前国内外信号与图像处理领域研究的热点问题之一。超分辨率重构技术借助信号估计理论,克服成像系统固有分辨率的限制,达到提高图像质量的目的。超分辨率重构不仅具有理论上的研究意义,而且有着非常广泛的应用前景,已在工业控制、医学成像、遥感、安全监控、视频信号传输等领域获得了广泛应用。本文重点针对超分辨率重构技术中时变运动信息的估计和空间信息的重构两个主要环节展开了分析与研究。论文首先描述了图像超分辨率重构的应用背景、基本概念和基本问题。其次,详细分析了视频图像的退化过程,以及基于凸集投影(Projection onto convex sets-POCS)的逆问题的求解过程,研究了基于分层块匹配和基于小波投影的亚像素精度的运动估计方法,针对视频图像中的运动估计残差具有非高斯分布的特点,提出将运动误差比例约束作为投影重构的一个新约束条件,以减少有用信息的丢失。再次,在图像重构的研究中,为保持边缘与纹理信息,提出利用各向异性的点扩散函数作为图像重构的核函数,并实现了基于边缘模式分类的点扩散函数估计算法和基于奇异值分解(Singularity value decomposition-SVD)的点扩散函数估计算法;最后,通过对凸性的证明,将运动估计残差和边缘的约束表述成为凸集,作为约束高分辨率图像的先验信息,提出了基于运动估计误差与边缘信息保持的超分辨率重构方法。实验表明,采用融合了运动估计误差约束与边缘信息保持的POCS超分辨率重构算法,重构图像的结果在主客观评价指标上都较传统方法有了明显提高。论文还对变换域的超分辨率重构方法进行了研究,分别实现了基于POCS的DCT域压缩视频的重构算法和小波系数预测的超分辨率重构方法,实验结果表明,重构图像中的细节能够得到增强。