在许多应用情形下,人们总是需要得到更高质量的图像。但在实际成像过程中,由于受到成像系统、外界环境及成像技术等很多因素的限制,导致图像退化,使我们所获得的图像效果并不理想。而实际应用中,我们对图像质量的要求却越来越高,于是,如何有效地恢复出原始图像或者说是复原出我们所期望的图像,就成为图像处理中一个重要的问题。数字图像在形成过程中受运动模糊、点扩散模糊、欠采样及噪声等因素的影响而产生降质。为了改善降质退化图像的质量,提高分辨率,常采用图像的超分辨率重构处理技术进行处理。超分辨率图像重构是指将一系列各自包含一部分不同图像细节的相似低分辨率图像通过一定方法融合成一幅高分辨率图像的处理方法。对于一定的数字成像系统,通过超分辨率图像重构可以得到高质量的图像而不需要提高系统的硬件性能,因此它可以被广泛应用于图像处理的各种领域中。超分辨率图像重构算法可以分为两大类,即频域算法和空间域算法。频域算法是早期的超分辨率重构算法,只能对全局位移的图像序列进行处理,空间域算法使用通用的观察模型,具有更好的适应性和重构效果,是目前的主要研究方向。其中POCS算法利用投影至凸集的原理进行图像重构,算法直观而且有效,是最有前途的超分辨率重构算法之一。本论文对单帧低分辨率图像及序列低分辨率图像超分辨率重建算法进行了深入研究。在单帧超分辨率重建算法中,首先介绍了传统的插值算法,接着主要研究了基于小波变换的超分辨率重建方法,根据图像小波变换和插值处理的特点,本文提出了一种将小波分解与PDE插值算法相结合的图像超分辨率重建方法。实验结果表明了采用PDE插值的小波方法对于改善图像分辨率的有效性和可行性.在序列图像超分辨率重建算法中,本文对POCS方法做了比较细致的研究,对影响该方法复原结果的因素(如运动估计、循环次数、阈值大小等)进行分析。针对用常规POCS算法重建的高分辨率图像中出现的导致图像边缘质量下降的现象,分析了图像边缘模糊形成的原因,对算法进行了改进,提出了边缘保持的POCS算法,用基于梯度的插值算法来获取POCS的初始值,实验结果表明,该方法能够得到较好的视觉效果,明显地提高重建图像的边缘质量。