图像的超分辨率(Super-Resolution, SR)重建是图像重建领域的一项重要技术。由于在图像成像系统采集和处理图像的过程中,各种因素,包括硬件设备和外部客观原因等,都会使重建图像的质量下降。而传统的通过提升硬件的方法来提高图像分辨率显得越来越力不从心。因此,寻求一种基于软件处理方法来增加图像分辨率显得越来越重要,在这种情况下,图像的超分辨率重建技术应运而生。图像的超分辨率重建技术就是利用同一运动场景下一系列低分辨率图像之间的冗余互补信息来重建出一幅高分辨率图像。图像的超分辨率重建过程本是一个典型的病态不适定问题,而正则化的方法能够很好地解决其病态性的问题,是目前超分辨率重建的主流方法。因此,本文主要研究基于正则化的图像超分辨率重建算法。从病态性问题出发,重点研究了几种经典的正则化方法,然后分析了正则化参数的选择对重建过程的影响,并研究了几种常用的正则化参数的选择方法。传统的正则化方法在迭代过程中不能自适应更新迭代步长,不能充分利用各个图像通道之间的相关信息,对此本文提出了一种的新的自适应迭代的正则化方法。此方法在图像重建过程中能够将自适应更新正则化参数和自适应更新迭代步长相结合。通过对三组图像数据分别进行了仿真实验。结果表明,与双边总变分(BTV)算法相比,本文提出的算法能够有效地保留原始图像的边缘信息,改善了重建图像的质量。正则化方法的研究侧重点主要是正则化项的选取。目前绝大多数的正则化项都是在空域中实现的,仅仅假设图像场景为静态且空间分辨率有限的状况,均未考虑动态场景的时间分辨率,即没有考虑时域中的先验约束信息。针对此问题,本文变换视角,在空域和时域中同时考虑引入正则化项,组合成新的正则化方法,同时又定义空域和时域的正则化项权值的自适应选取,极大地提高了新算法的自适应性。通过一系列的仿真实验表明,本文提出的基于空域和时域相结合的正则化的超分辨率重建算法在迭代收敛性和稳定性方面均有较大的提高,达到了改善重建图像的目的。