图像超分辨率重建是指以多幅低分辨率图像利用某种算法重建一幅较清晰的高分辨率图像。它是在硬件、成像环境以及其他客观条件无法满足成像需求时，通过信号处理技术提高图像质量的技术手段。目前，它在视频监控、医学影像、卫星遥感、军事侦察等领域都有重要的应用价值和广阔的研究前景。　　 重建算法分频域算法和空域算法。目前以空域算法的研究和应用为主，本文围绕空域算法中应用最广的凸集投影(POCS)算法进行分析，对算法中涉及的运动估计、初始估计的生成、边缘振荡效应的消除等关键技术进行了研究改进。　　 首先为解决传统块匹配算法小块匹配易受噪声干扰，大块匹配对运动对象跟踪不精确的问题，本文以空间十字频率法判断图像的平坦程度，根据图像平坦度进行匹配块的分割，实现了匹配块大小的动态选择；实验证明，改进的配准算法消除了固定块配准方式在噪声和局部运动同时存在时的不足，且算法简单，运算量较小。　　 其次，针对单帧初始估计包含信息量少的不足，提出了一种合成初始估计方法。将所有已知低分辨图像与插值图像配准，以最优插值法作用后的插值图像作为初始估计。通过实验结果的对比和分析得知，新的初始估计生成方式提高了初始估计的峰值信噪比，加快了重建的收敛速度。　　 最后，为解决标准POCS（凸集投影）算法进行图像超分辨率重建时，重建图像的边缘会出现振荡效应的问题。本文通过对标准POCS算法的深入分析，对其进行部分改进，使其能够有效消除边缘振荡效应。具体做法为根据边缘振荡效应产生的原因，利用图像边缘两侧像素差值较大的特点，采用加权约束中心在边缘像素的点扩散函数的方法，减少了边缘另一侧像素对当前像素的影响。实验证明，本文算法有效消除了边缘振荡效应，提高了重建图像的峰值信噪比。