分辨率用来度量图像的精密度，是指一幅图像所能显示的像素的多少。图像可显示的像素越多，画面就越精细，同样的画面区域内能显示的细节信息也越多，这种图像被称为高分辨率图像，这种图像在军事、医学及其他数字图像应用场合都有重要应用。提高图像分辨率可以通过硬件、软件两种方式，由于硬件方法收到传感器制造技术以及购买成本的限制，使得通过软件方法提高图像分辨率成为了一个热门的研究方向，该技术被称为超分辨率图像重建技术。超分辨率图像重建技术是指利用计算机的图像处理技术，由已知的一系列低分辨率图像得到一幅或多幅高分辨率图像。　　 由低分辨率图像重建出高分辨率图像是高分辨率图像在采集过程中退化成低分辨率图像的病态求逆过程，基于最大后验概率(MAP)的方法利用图像先验知识很好的约束了这一问题，因而该方法是目前超分辨率图像重建领域研究非常多的一种方法。但传统的基于MAP的超分辨率图像重建方法计算时需要进行迭代的次数多，耗时长，对于各种噪声的鲁棒性不好。本文针对这些问题，对传统MAP方法作了深入的研究和改进，并对图像配准方法做了一定的研究，以实用为目的，实现基于MAP的序列图像超分辨率重建系统。论文的主要工作和创新包括：　　 1.初始高分辨率图像估计的改进。在进行基于MAP的高分辨率图像估计前先要估计出初始的高分辨率图像，再进行循环优化，传统方法采用邻近插值等各种插值方法完成，本文利用得到的图像间的运动参数来进行插值，充分利用了序列图像提供的信息，使得初始高分辨率图像中像素点的值更准确，从而减少了后序循环迭代的次数，得到的重建结果图像更清晰。　　 2.图像误差模型的改进。在建立图像误差模型时，利用求L1范数代替求L2范数，相当于在去除噪声时用求像素点的中间值代替求像素点的平均值，最终提高算法的抗噪性能。　　 3.图像配准方法的实现与比较。研究了基于快速傅里叶变换(FFT)互相关的图像配准方法和基于尺度不变特征变换(SIFT)的图像配准方法，通过对比实验验证了基于SIFT方法的优势。　　 论文实现了基于MAP的序列图像超分辨率重建系统，重建结果优于传统的MAP重建方法。