超分辨率重建技术,旨在利用同一场景的多幅低分辨率图像的互补信息,或者单幅低分辨率图像局部结构特征的相似性,来重建信息更加丰富的高分辨率图像。由于升级硬件所造成的技术限制和成本问题,通过计算机软件来提升图像分辨率具有更加重要的现实意义。本文引入了 BBF查询方法和双向匹配方法来提高SIFT特征图像配准的效率。SIFT特征不受光照变化、角度旋转以及位置平移的影响,能很好的反映图像的结构特征。在搜索SIFT特征点时,穷举法效率低下而BBF搜索方法能够很快定位目标特征点。而特征点匹配过程中,双向匹配比单向匹配具有更高的准确率。通过实验验证,该配准算法具有较高的配准精度。本文在传统重建迭代模型的基础上,研究了快速超分辨率重建算法。传统迭代模型中运动形变矩阵和降采样矩阵重复参与迭代过程,占据了重建计算量的大部分;而在快速超分辨率重建方法中,将两者在迭代开始前集中操作,通过SIFT特征图像配准和上采样得到模糊的高分辨率图像,而迭代过程只需去除图像模糊,计算量大幅降低。本文提出一种基于自适应各向异性平滑项的快速超分辨率重建算法。分析了Tikhonov正则项和总变分正则项,提出基于各向异性平滑项的超分辨率重建算法。各向异性平滑项可以在局部结构做平滑处理以去除噪声,而在不同局部结构之间保持锐利边缘。另外,本文设计了一种基于各向异性平滑项的自适应参数,适时随残差项和正则项的变化而变化。最后通过实验验证,该算法不仅具有较快的重建速度,并且重建图像也具有较高的质量。