图像超分辨率(Super-Resolution,SR)重建是由一系列低分辨率(Low-Resolution,LR)变形图像来估计一幅或多幅较高分辨率非变形图像的技术,其在提高图像分辨率的同时还能够消除加性噪声以及由有限检测器尺寸和光学产生的模糊,以便获取图像更多的信息和细节内容,是图像融合领域中的一个重要分支。超分辨率图像重建的方法分为两大类:频率域算法和空间域算法。频率域算法提出时间较早,主要对具有全局位移的图像序列进行处理;空间域算法具有更大的灵活性,是图像处理领域主要研究方向。目前空间域算法主要有迭代反投影(IBP)算法、凸集投影(POCS)算法、最大后验概率(MAP)算法等,但这些算法都存在收敛速度慢、计算量大的缺点,在实际应用中无法满足系统的实时性要求,因此图像超分辨率重建始终是图像处理领域的研究难点。本文针对图像超分辨算法进行了深入的研究,在保证图像超分辨率重建效果不降低的前提下,构建精确图像模型,并提出一种基于Markov随机场的图像超分辨率重建算法。该算法首先采用了一种,对图像进行运动估计,这种新三步搜索算法同时兼顾较大和较小运动估计两种情况,在小运动估计的情况下也能取得很好的运动估计效果,新三步搜索算法结合运动图像最优点通常分布在零矢量周围的特点,加快了运动估计的过程,减小了超分辨率图像重建的运算量;其次,该重建算法在最大后验概率的基础上,利用Potts-Strauss模型作为图像的先验概率密度函数,通过迭代条件模型算法实现超分辨率图像重建。仿真实验结果验证了该算法的有效性,并克服了目前各类算法中存在收敛慢、计算量大的缺点,是一种高效的超分辨率重建算法,具有一定的应用价值。