随着人们对高清晰图像需求的提高，图像采集系统硬件的性能越来越满足不了这种需求。一种软件实现方法逐渐受到研究人员的关注，它不但弥补了硬件系统的限制，而且只在重复使用现有图像采集工具的条件下就可以实现，大大降低了高分辨率图像的采集成本。图像超分辨率重建技术就是在这一背景下产生，成为当前图像处理领域的一个热门研究方向；并且目前已经广泛应用在医疗、军事和监控等领域。　　 图像序列的超分辨率重建就是将一组低分辨率图像通过数字信号处理技术整合为一幅高分辨率图像，并能够提供比原图像更高的图像细节。目前该技术研究所面临的挑战主要有：更合理的观测模型的建立、精确低分辨率图像之间的偏移量估计、光学偏移量的调整、点扩散函数的估计、和重建过程中病态性方程的解决等问题。　　 本论文从两个方面对超分辨率重建进行研究：　　 1.考虑全局运动的图像序列。提出一种改进的基于概率重建的算法，该算法联合估计超分辨率图像和观测模型的参数，将其引入到最大后验概率算法，实验结果所产生的高分辨率图像在信噪比和视觉效果上都有所提高。　　 2.考虑非全局运动的图像序列。本文首先实现了该领域的最新算法，基于非局部平均方法的超分辨率重建，在实验分析过程中，针对计算复杂度过大的缺点，提出对像素邻域进行预分类，大大减少了对不相关权重的计算，而且重建出的图像质量并没有下降。并且设计完成基于该算法的软件