高分辨率的合成孔径雷达（synthetic aperture radar,SAR）图像在应用过程中可以提取出更多的目标信息。但SAR在成像过程中易受到成像方式、系统硬件以及大气扰动等因素的影响,导致SAR图像的分辨率低于理论值,难以满足正常的应用需要。因此,本文以如何提高SAR图像的分辨率和质量为研究对象,以数字图像处理技术和SAR图像的基本理论为研究基础,以数据后处理为研究方式,对非线性卡尔曼滤波器在多帧SAR图像超分辨率重构过程中的应用展开深入研究,主要的研究工作如下几方面:（1）研究了重要性采样无迹卡尔曼滤波（importance sampling unscented Kalman filter,ISUKF）算法和自适应重要性采样无迹卡尔曼滤波（adaptive importance sampling unscented Kalman filter,AISUKF）算法两种基于无迹卡尔曼滤波器（unscented Kalman filter,UKF）的多帧SAR图像超分辨率重构算法原理。同时利用模拟SAR图像序列来验证非线性卡尔曼滤波器在多帧SAR图像超分辨率重构方面的有效性和可行性。另外,使用峰值信噪比（peak signal-to-noiseratio,PSNR）、平均结构相似度（mean structural similarity index measure,MSSIM）、特征相似度（feature similarity index measure,FSIM）对重构SAR图像的质量进行定量分析。根据三个客观评价指标的数值变化曲线和重构图像的目视视觉对ISUKF算法和AISUKF算法进行综合性评价。（2）针对ISUKF算法和AISUKF算法在重构过程中存在的缺点,本文提出了一种新的多帧SAR图像超分辨率重构算法:重要性采样容积卡尔曼滤波（importance sampling cubature Kalman filter,ISCKF）算法。首先,改进了现有的超分辨率重构系统模型,建立低分辨率SAR图像的等效视数（equivalent number of looks,ENL）与超分辨率重构系统模型中参数之间的函数关系;接着,将与容积卡尔曼滤波（cubature Kalman filter,CKF）相结合,提出了ISCKF多帧SAR图像超分辨率重构算法。重构SAR图像的数值结果表明,DAMRF动态优化模型有效地增强了超分辨率重构系统的鲁棒性。由于ISCKF算法重构的图像中仍然残存着噪声,因此根据图像的噪声模型和噪声的概率分布推导出FT-WNNM模型,并建立求解降噪模型的方法:基于低秩模型的交替方向乘子法（alternating direction method of multipliers based on the low rank model,ADMM-LR）。另外,将ADMM-LR算法作为ISCKF算法的后处理,从而提出了ISCKF+ADMM-LR多帧SAR图像超分辨率重构算法。重构SAR图像的数值结果和可视化结果表明,ISCKF+ADMM-LR算法在噪声抑制、重构性能、细节恢复与保持等方面具有较强的优势。