序列图像超分辨率重建是指利用已有的低分辨率(Low Resolution,LR)图像序列中的冗余信息融合成一幅对应的高分辨率(High Resolution,HR)图像的技术。这项技术可以克服成像系统在硬件上的固有缺陷,在不增加硬件成本的前提下,只通过软件的图像处理方法提高图像空间分辨率,从而改善图像视觉效果和为图像的后续处理提供更好的输入。本文主要研究了随机块匹配算法和自适应核回归方法在序列图像超分辨率重建中的应用。前两章介绍了图像超分辨率重建的研究现状、基本原理和相关技术。在第三章中,先介绍块匹配方法的基本理论及其应用领域,并详细介绍随机块匹配算法(Random Search Patch Match,RSPM)的理论和实现,并通过对比实验讨论了其性质。然后,针对经典随机块匹配算法的固有局限,提出了一些改进方案以使其更适应于在序列图像超分辨率中的应用,具体改进方案包括:加入配准先验作为块匹配结果的初始化参数、限制搜索的目标区域大小、限制搜索块的角度和尺寸的变换范围、加入K近邻搜索以及加入多近邻传播。在第四章中,先详细介绍了经典核回归方法的基本理论,并通过实验分析了其性质。然后引出了基于自适应核回归的超分辨率重建算法。最后,针对核回归方法比较耗时的问题提出利用改进的随机块匹配方法对其进行加速处理,另外针对核回归方法存在的对低分图像序列中数据异常值敏感的情况,提出了一种基于曲率权重的鲁棒性核回归。在各章节的实验验证部分,我们首先将多种块匹配方法进行实验对比,突出了随机块匹配算法和改进后的块匹配算法的有效性。然后将改进后的随机块匹配方法应用于基于自适应核回归的超分辨率重建算法对算法进行了加速。接下来通过加入曲率权重提高了超分辨率重建的效果。通过实验分析对比本文的算法,和以往算法的图像超分辨率效果验证了改进后核回归方法的有效性和鲁棒性。