图像超分辨率成像技术是指利用多帧关于同一视域的有相互位移的低分辨率降质图像来重建高分辨率高质量图像的技术。图像超分辨率成像技术可突破图像采集设备的分辨率限制,充分利用多帧图像之间的有限冗余互补信息,实现亚像素级的图像信息融合。图像超分辨率成像在遥感、军事、医学成像、公共安全等领域有很广泛的应用前景。它可以在一定程度上消除由于图像离散化和图像退化引起的空间分辨率下降的不利影响,弥补原有图像空间分辨率的不足,获得更加清晰的图像,可使输出图像的质量得到很大程度的提高,既改善图像的视觉效果,又便于计算机对图像进行处理、分析和理解。本文围绕着超分辨率成像技术研究了图像降噪、图像配准和图像超分辨率重建等相关技术,主要包括以下部分:(1)图像降噪部分在分析了常见的图像去噪方法后,着重分析了能够有效去除椒盐噪声的中值滤波算法,比较了传统中值滤波算法,自适应中值滤波算法和加入阈值的中值滤波算法的优劣。(2)对基于互信息的图像配准方法进行了研究,首先比较了Powell和PSO两种优化算法,由于Powell算法计算速度和给定的初始值有关,所以提出Powell优化算法结合小波分解金字塔的配准方法,并加以改进,提高了算法的运算速度与精度。最后提出一种结合PSO法和Powell算法的优势的PSO和Powell混合算法结合改进小波金字塔的配准方法。(3)在不考虑噪声及像元位移量已知的情况下,对基于互有位移的序列图像的反演解析图像重构算法加以改进,得到提高原图像2倍分辨率的图像;在考虑噪声的条件下,提出对欠采样图像的点扩散函数进行估计的基于维纳滤波算法的图像重建方法。对基于BP神经网络算法的图像重构方法进行了仿真,并结合重建结果进行了比较与分析。