随着图像处理技术的不断发展,超分辨率重建技术因其不涉及硬件、算法快速灵活、易于与其他理论相结合、并且与实际需求紧密相连等优点,在图像复原和重建领域占有越来越重要的地位。所谓超分辨率重建,简单的来说就是利用单幅或多幅低分辨率图像,经过一定的算法处理后得到相关场景的高分辨率图像。超分辨率重建技术已经在遥感、军事、监控、生物医学等领域得到了广泛的应用。本文主要研究了基于第二代小波的图像超分辨率重建技术,将第二代小波分析工具引入到超分辨率重建技术中来。论文首先介绍了超分辨率重建技术的研究背景、基础理论以及研究现状。全面而详细的阐述了第二代小波的研究背景以及理论推导,介绍了第二代小波的优势和一些具体应用。其次,对单幅图像的超分辨率重建算法进行了研究。在对经典算法分析的基础上,针对不足之处提出了优化算法,并将第二代小波引入到算法之中。再次,对多幅图像的超分辨率重建算法进行了研究,提出了基于第二代小波的多幅图像超分辨率重建算法。本文将低分辨率图像提供的信息在高分辨率网格上进行排列,利用低分辨率图像之间的互补信息重建出高分辨率图像。由多帧低分辨率图像重建出的高分辨率图像所含的信息更加丰富,重建效果也更好。最后,考虑到实际应用中,得到的低分辨率图像往往被噪声所污染,因此在超分辨率重建的过程中必需考虑去噪问题;本文专门针对小波阈值去噪的理论进行了研究,在比较了现有图像质量评价标准的优劣后,提出了一种基于最优阈值的小波阈值去噪的方法。实验结果表明,本文提出的单幅图像超分辨率重建优化算法改进了经典算法的不足之处,性能较各类经典插值算法更加优越。基于第二代小波的多幅图像超分辨率重建算法的性能要优于各类经典的插值算法。在相同实验条件下,多幅图像重建的效果要优于单幅重建的效果。通过对PSNR和这两种图像评价标准的性能比较实验,表明能够兼顾噪声和模糊的影响,性能评价指标比PSNR更合理。以为衡量标准得到的去噪和重建图像质量在人眼视觉上有更好的效果。