在科学研究和实际应用中,分辨率是表征图像观测水平的一项关键性能指标。但是,伴随着科技信息的迅速发展,某些应用领域和科研工作中对图像分辨率的需求越来越高,因此需要改进感光器的制造工艺水平。例如,可以直接从硬件上减小单位像素尺寸或者增大感光器芯片尺寸,但是往往受工艺水平的限制,而且价格昂贵,不适合广泛的应用。超分辨率重建(Super-Resolution-Reconstruction; SRR)技术通过信号处理的方法,提高成像系统的分辨率,是一种经济且容易实现的图像分辨率提高方法,因此在国内外的学术界以及商业应用上获得了很多学者的深入研究和广泛的关注,SRR技术具有重要的理论意义和实际应用价值。本文以基于图像建模理论的空域正则化重建算法为技术路线,针对超分辨率重建中的图像恢复、图像配准两个子问题展开研究。论文主要工作与创新点如下：第一：研究并实现了空间平移不变系统下的经典全变差正则化重建算法。将经典全变差TV模型应用于超分辨重建框架中,与传统维纳滤波超分辨率重建算法比较,分析了梯度下降法求解经典TV算法的优缺点,并研究了若干超分辨率快速算法的处理机制。第二：研究并实现了快速解耦的全变差超分辨率重建算法。给出了基于YU-MEI HUANG的交替迭代快速算法在超分辨上的应用。在快速交替迭代的思想指导下,本文结合前向后向分裂法(FBS)及MM代理函数算法提出了一个改进的快速解耦的超分辨率重建模型,分为去模糊的FBS算法和去噪的MM代理函数算法两个子问题。通过实验对经典全变差GD_TV、快速全变差Fast_TV、改进全变差AMM_TV三个算法的峰值信噪比、相对误差两个性能指标及算法的收敛性和时间复杂度、正则化参数的选取做了详细的分析与比较。实验证明：本文Fast_TV、AMM_TV算法不仅有良好的边缘保持效果、运算效率高,而且改进的AMM TV算法收敛速度快且在有限迭代步骤内实现自适应的正则化参数选取。第三：研究并实现了基于互信息的多尺度配准超分辨率算法。给出配准算法框架中几何变换、插值、互信息尺度、优化器四个基本组成元素的理论分析与数学模型,并且结合多尺度概念设计了配准算法,给出不同退化条件组合下的两组实验,证明算法在小角度、小采样比例下的精准度,分析了算法的优缺点。最后结合本文恢复算法给出超分辨重建实验,实验证明本文改进算法在计算效率和恢复效果上取得了较为理想的效果。