图像分辨率是成像系统对图像细节分辨能力的一种度量,也是图像中目标细微程度的指标,高分辨率图像能提供有关目标更多重要的细节信息。随着多媒体通信和信号处理技术的发展,人们对图像分辨率的要求越来越高。然而许多成像系统受其物理条件的限制,现实中得到的图像往往受到退化和噪声的影响,分辨率有限。如果采用改善物理硬件的方法来获得人们满意的高分辨率图像,一般成本较高,而且有时很难实现。因此从软件的角度,通过数字信号处理的手段获取高分辨率图像就非常具有研究意义。超分辨率图像重建技术就是其中之一。目前,该技术已在军事遥感、天文、医疗、公共安全、医学成像以及计算机视觉等多个领域得到广泛应用。超分辨率图像重建是从多帧同一场景的低分辨率图像中,重建出清晰的高分辨率图像。它克服成像系统硬件设备的分辨率的限制,充分利用多帧图像之间的互补信息进行数据融合,弥补了由于图像获取和传输过程中导致的分辨率下降。本文针对超分辨率图像重建及其在视线跟踪系统中的应用的问题进行了研究,主要工作如下：首先,概述低分辨率图像的成像过程,建立相应的数学模型。在此基础上,对超分辨率重建技术已存在的算法进行了总结,重点介绍了算法的基本原理、理论依据、实现步骤以及优缺点。其次,提出一种基于梯度自适应插值的超分辨率图像重建算法。利用频域配准算法估计低分辨率图像序列之间的相对运动,并根据相对运动参数将低分辨率图像序列映射到高分辨率栅格上,然后采用基于梯度自适应的插值算法进行插值,最后通过反卷积滤波去除模糊和噪声得到高分辨率图像。基于梯度自适应的插值算法不仅考虑了插值像素与周围像素的距离关系,而且考虑了梯度对插值像素值的影响。该算法是一种非迭代算法,计算复杂度低,适于实时应用。再次,提出一种基于非均匀样本插值的视线跟踪定标算法。视线跟踪系统是通过拍摄使用者眼睛的图像并进行处理,根据眼球的运动来实现眼睛对鼠标的操作,本论文提出的视线跟踪定标算法创造性地利用了超分辨率思想。首先选取注视屏幕上不同行、不同列的多个点作为定标点,记录其屏幕上的真实坐标,通过积分投影和canny算子从采集的图像视频中提取出瞳孔边缘,采用椭圆拟合确定瞳孔中心,最后根据非均匀样本插值算法计算出使用者真实的视线注视点,实现视线跟踪。该算法避免了现有技术考虑眼球物理模型和眼睛成像的非线性特性等难点,通过超分辨率中非均匀样本插值的思想,实现瞳孔中心和注视点的准确定位。该系统无需使用者配戴任何头配系统,可在完全自然舒适的状态下使用。在论文的最后,总结了超分辨率图像重建方向亟待解决的问题,以及超分辨率思想在视线跟踪系统中进一步的研究重点。同时,对超分辨率领域的发展及应用前景进行了展望。