图像超分辨率重建是利用多帧（或单帧）低分辨率图像，通过它们之间可能存在的互补信息（或者学习库），重建一幅或多幅高分辨率图像的技术，通常称为多（单）帧重建。该技术可以在一定程度上弥补硬件分辨率的不足，而且成本低廉，具有广泛的应用价值，已经得到国内外学者的广泛关注。　　针对多帧重建问题，本文从提升模型精度和改进模型求解方法两个方面来改善重建效果。本文主要贡献体现在以下四个方面:　　第一，深入研究了图像退化过程，利用一阶泰勒展式，将亚像素位移保留了下来，提出含有亚像素位移的退化模型，这便有了构建高精度重建模型的基础。　　第二，为了进一步提升模型精度，提出了给低分辨率像素赋权的思想，并给出最近邻高斯加权方案。该方案同时解决了低分辨率像素的选择和赋权问题，实验结果表明，所提加权方式是可行的、有效的。　　第三，在以上工作的基础上，本文提出了一种新的重建框架。实验结果表明，与已有框架相比，所提框架可以节约计算时间，提升重建效率。此外，利用新框架可以将反卷积分离出来，便于用户根据需求做出选择:是否继续做反卷积运算。　　第四，针对所建模型，使用图割算法进行求解。设计了一个滤波器，将其用到能量函数中，不仅可以使能量函数满足图割算法的正则性要求，而且还能最大程度地保证模型的精度。实验结果表明所提求解方法优于现有的近似方式。　　在与现有方法比较时，使用了模拟低分辨率图像和真实低分辨率图像，结果均显示本文所提算法能够重建出更多的细节信息，重建效果更好，进一步验证了本文方法的有效性。