在遥感、医学和公安等应用领域中,经常需要高分辨率图像提供更多的细节和信息。在获取图像的过程中有许多因素,如运动,系统噪声等,会导致图像质量的下降。另一方面,由于成像设备本身存在很多限制,使图像的分辨率不能够满足应用的要求。单纯通过改进硬件系统的性能提高图像的分辨率,在技术方面很难实现突破,成本也会急剧增加。而基于信号处理的超分辨率图像重建技术既能有效提高图像的空间分辨率,又不需要提高成本支出。因此,超分辨率图像重建技术为提高图像分辨率提供了一条有效途径。超分辨率图像重建技术是指将多幅变形、模糊、有噪、频谱混叠的低分辨率降质图像(或视频序列)融合估计出一幅高分辨率图像的技术。其核心的设计思想是：利用同一场景的多幅低分辨率图像间的相对互补信息,将它们融合到单幅高分辨率图像中,获得一幅高画质的图像。本文在分析了图像降质模型的基础上,针对重建过程中的图像配准以及重建算法两个关键问题展开了研究。考虑到低分辨率序列间的亚像素配准精度直接影响到超分辨率重建的效果,在图像配准这一关键环节,本文对泰勒级数法和相位相关模板匹配方法进行了实验和对比。针对相位相关法中的位移方向问题,本文对位移的方向性给出了一种合理的定义,实验证明由此定义得到的位移量能够满足配准精度的要求。此外,本文对空域中常用的三种图像重建方法进行了深入研究和算法实现。在基于最大后验概率(MAP)的重建方法中,详细推导了退化过程的构造,解决了低分辨率图像产生过程中引入的散焦模糊问题,对正则化参数的作用进行了详细的实验分析。在基于凸集投影(POCS)的重建方法中,本文设计了用梯形低通滤波器来消除重建结果边缘振荡的现象,达到了较为理想的重建效果。最后对基于规范化卷积的重建方法进行了理解和实验测试。