序列图像的超分辨率重建(SuperResolutionReconstruction，SRR)是采用信号处理的方法，从若干幅有序的低分辨率(LowResolution，LR)图像中重建出对应的若干幅高分辨率（HighResolution，HR）图像的技术。由于无需对现有成像设备进行升级，就可以实现图像分辨率的提高，有效降低了应用成本，所以该技术在多个领域都有着广阔的应用前景，成为近年来图像处理领域的一个研究热点。　　 本文首先简要介绍了几种经典的图像超分辨率重建算法，继而分析了序列图像的超分辨率重建中所面临的主要问题，即亚像素精度的配准问题，并对目前基于图像配准的序列图像超分辨率重建方法及其主要缺点进行了阐述。针对其缺点，详细介绍了三维导向核回归算法，一种无需亚像素精度配准的超分辨率重建算法。三维导向核回归算法解决了一直以来超分辨率重建只能用于简单的设定运动场景中的应用范围问题，但其自身也存在着一些需要解决的问题。稳健性就是其中的一个问题，该算法使用最小二乘估计求解，因稳健性较差而对离群点非常敏感，容易导致估计结果出现较大偏差，同时其核函数也可能因为离群点的影响而变形。所以为了提高算法对离群点的抗干扰能力，引入三维中值滤波与稳健估计理论，对原算法的求解过程进行改进。实验结果证明，改进后的稳健算法在保持了原算法的重建质量的基础上，大大降低了离群点对重建结果的影响。　　 三维导向核回归算法的另一个问题就是运算量巨大，通过分析算法中运算量较大的几个环节，发现从改进算法本身方面来减小运算量是比较困难的，因此将通过引入边缘先验信息来达到减小运算量的目的。改进算法采用Canny边缘检测算法提取边缘信息，利用边缘信息所提供的帧内相关性与帧间相关性，分别对帧内的平滑非边缘区域与帧间的背景重复区域进行简化计算，经实验验证，该改进算法对于图像纹理不太丰富且图像中含有背景区域的序列图像的重建速度有显著的提升作用。另一方面，根据图像的边缘密度的大小在重建过程中自适应调整核的平滑参数，可对局部纹理密度不同的图像的重建质量有一定的改善。