超分辨率重建算法是(Super-Resolution Reconstruction,SRR)利用一张或多张图片重构像素密度大、视觉效果佳的高分辨率图像算法。该方法从软件层面解决了提高物理成像系统带来的高额成本问题。SRR的研究已经取得了令人振奋的结果,使其在军事、医疗、民用等领域有广阔的应用价值。正则化超分辨率重建算法作为在空域中进行多帧重建的一种,具有广泛的适用性和优越的重建性能。为了加强其在噪声环境中的重建能力,本文深入挖掘了识别噪声的先验知识,分析比较了数种识别连续与非连续区域先验受噪声影响的特点,并进行公式推导验证,从而用于指导选取稳定而准确的先验知识。最后根据先验知识组合成的模型来改进基建算法的迭代过程。具体工作包括:提出一种自适应阈值模型。该模型用于分割正则化超分辨率重建算法迭代过程计算的损失值矩阵,对于小于阈值的对应像素点继续迭代,对于大于阈值的对应像素点在被截断后进行重新插值,然后参与下次迭代,待程序达到收敛条件时输出重建结果。这样在保持基建算法重建能力下增加了去噪功能;在重新插值过程中提出一种近似边缘梯度方向的插值方法,该方法依据邻域内所有已知边缘方向的像素点集特征,选取最近似边缘的梯度方向,然后根据选取的梯度方向上的像素点进行双线性插值,从而给予重建图像最大的保真。最后的实验分析结果表明:通过与基建算法和相关算法对比,自适应阈值去噪的方法提高了重建图像的质量,使正则化超分辨率技术在噪声环境下有更好的重建能力。