在获取和传输图像的过程中,存在各种降质因素,例如噪声、模糊、降采样、形变等,使获取图像的质量下降。提高图像的空间分辨率和改善图像质量具有非常重要的实际意义,因此图像超分辨率技术得到了越来越多的青睐。在计算机视觉领域,该技术可以进一步细化图像,推进基于图像内容的研究,例如从图像检测向图像识别发展。目前,在军事、医学、公共安全等领域图像超分辨率技术都有着重要的应用前景。变分贝叶斯图像超分辨率技术可以将高分辨率图像、运动参数和超参数统一到一个框架下进行联合估计,为多帧图像超分辨率技术开辟了新的道路。但是目前已发展的变分贝叶斯图像超分辨率算法不能在保护边缘的同时有效地抑制噪声,或是没有实现对全部算法参数的自适应估计。针对以上问题,对图像先验建模进行了深入研究,并从理论上分析了构建模型的有效性,提出了一系列变分贝叶斯图像超分辨率算法。以两类常见且构造简单的车牌和条形码图像作为测试对象展开研究,然后由特殊到一般,提出了一种具有普适性的自适应算法。具体内容为：(1)提出一种基于高斯模型和TV-SAR模型的变分贝叶斯车牌图像超分辨算法。首先,构建一种高斯模型来描述车牌图像灰度的双峰分布特性,并利用TV-SAR模型来描述图像的分段常值特性,然后将两种模型统一到变分贝叶斯推断框架中,从而实现高斯模型和TV-SAR模型对重建过程的约束以及自动重建。实验结果表明,该算法能够提高重建质量。(2)针对高斯模型和TV-SAR模型不适用于边缘密集程度变化较大的条形码图像,提出一种基于边缘保护模型的变分贝叶斯条形码图像超分辨率算法。首先,构建一种边缘保护图像模型,在该模型中使用间断自适应函数来度量图像局部的平滑性,该模型同时兼顾了条形码的各向异性特性,然后将该模型应用到变分贝叶斯推断框架中。实验结果表明,该算法能够自适应地调节对条形码图像平滑性的约束强度,提高了重建条形码图像的对比度和清晰度。(3)针对边缘保护模型不能有效地区分自然图像中的弱边缘和噪声点问题,提出一种基于AHQ模型的变分贝叶斯自然图像超分辨率算法。首先定义一个自适应半二次函数,通过该函数针对图像的局部性质自适应地调节平滑约束强度,并建立基于自适应半二次函数的图像先验模型,然后将该模型应用到变分贝叶斯推断框架中。实验结果表明,该算法能够有效地保护自然图像边缘。(4)针对AHQ模型在强噪声下会产生伪迹等问题,提出一种基于混合模型的变分贝叶斯强噪声图像超分辨率算法。该算法通过一个加权函数将AHQ模型和Tikhonov模型耦合,并采用一种折线(Broken Line)模型来估计耦合权重,然后将该模型应用到变分贝叶斯推断框架中。实验结果表明,在重建过程中,该算法能够基于图像的局部性质自适应分配AHQ模型和Tikhonov模型的权重,保护边缘的同时抑制噪声,从而避免伪迹的产生。以上研究在有针对性地解决车牌图像和条形码图像这两种特殊图像的超分辨率重建问题的基础上,进一步发展了具有普适性的针对强噪声自然图像的自适应超分辨率重建技术。