超分辨率(super-resolution)重建是通过图像处理技术从多幅低分辨率图像(low-resolution)中获得一幅高分辨率图像(high-resolution)的过程。已有文献一般在假设位移已知或点扩展函数(PSF)已知的情况下重建SR图像,但很少涉及两者都未知的情况。可在实际情况中,能够得到的往往只是同一场景的多幅图像数据,而位移和PSF都是未知的。在这种情况下,如何重建出一幅高分辨率图像便是本论文要解决的问题。本论文提出了一种新型实用的基于未知位移和未知PSF的SR重建方法。我们首先利用LR (low-resolution)图像帧内像素点的相关性,再利用块匹配算法获得亚像素点位移估计。然后在选择了ML算法进行盲解卷积。本论文最大的特点是除了需要低分辨率图像数据外,不需要额外的先验知识,而且提出的解决SR重建问题的方法在位移估计和盲解卷积上采用了简单易用的方法,整体方法计算复杂度低,实用性强。在仿真结果上,得到了较好的重建效果。由于SR重建问题往往并不是由一个单一算法就能够解决的问题,常常是需要一个整体的解决方案,因此,为了获得良好的重建效果,本论文详细地分析比较了各种可能用于SR重建问题的方法,具体的如统计方法,图像处理方法,优化算法等,其中对于运动估计,比较了常用的几类估计方法,从中选择了块匹配算法。对于盲解卷积方法,同样比较了几种可用的方法,并从中选择了一种计算简单,应用方便的盲解卷积方法。此外,为了更好地适应于快速SR重建问题,我们也对一些方法进行了改进,如在运动估计和盲解卷积方法上,我们对相应算法做了改进,使其能在计算上效率更高,使重建效果更好。