对当今电子图像的一个严重的限制是：绝大多数所用的静态帧或视频摄像机记录图像的分辨率较低，很不合意。这一点与图像传感器(如：有限栅格区和有限过孔时间)的一定的物理限制条件有关。尽管较高分辨率的图像传感器是先进些的，但对移动图像应用而言可能太贵而不适用。因此，如果能利用低分辨率CCD相机成像，再利用图像融合技术来重构高分辨率图象，便能降低风险和成本。 超分辨率(superresolution)涉及到获取高于记录图像中使用的摄像机(传感器)分辨率来获取视频问题。因为绝大多数图像包含陡沿(sharp edge)，它们没有严格的带限。因此，通常数字图像因欠采样(undersampling)而引起的信号混叠，因低分辨率传感点扩散(PSF：point spread function)而造成的高频部分、丢失，以及因相对运动或散焦造成的光学模糊等因素而受损。超分辨率包含了输入采样点阵的上行变换及信号混叠与模糊的减少或清除。人所共知：从一个低分辨率的可能有模糊的图像来获得超分辨率的提法是很不适当的。但是如使用摄像机获得的低分辨率帧序列时，这个问题就可以处理了。显然，三维时空采样比任何一个二维静态帧采样栅格而言它包含更多的信息。帧间超分辨率方法利用了这个包含在多帧中的附加信息去重构一个高分辨率静态图像或一个高分辨率图像序列。 利用低分辨率图象序列宋重建超分辨率图象时，精确可信的亚象素级运动信息是必不可少的。如何得到精确可信的亚象素级运动信息也是计算机视觉和图象配准中所要解块的主要问题之一。在本文中把双三次样条曲面引入到图象配准的过程中。以分片双三次样条曲面为基础， 建立了原始的局部曲面模型。并分析了以样条曲面为基础建立图象模型的过程中，由于样条曲面的光滑性所带来的图象边缘模糊的相象，然后提出了改进的图象模型。进行了边缘增强，解决了边缘模糊，走样等问题。在准确的描述数字图象的基础上，我们就可以用优化的方法来得到图象间的精确可信的亚象素级运动信息，从而确定图象间的映射关系。在图象配准的基础上，我们利用一个迭代的散乱点插值方法来重构高分辨率图象。 最后，做为计算实例，在本文的第五章中，把我们提出的方法应用于超分辨率图象重建过程中，得到了很好的数值结果和清晰的重建图象，证明了该方法的有效性。