全景视频覆盖了360°×180°范围中的场景信息,为用户提供了无死角沉浸式体验,成为目前虚拟现实视频应用的主要内容源。由于全景视频分辨率高,体积大,若直接用于传输,将给网络造成较大压力。考虑到人眼当前视口大小是有限的,为了减少网络带宽消耗,现有的方案主要是基于视口编码及传输,这种方案减少了视频传输时所占带宽,但是在用户切换视口时会带来延迟问题,影响沉浸式体验。本文提出全景视频超分辨率算法以缓解延迟问题对沉浸式体验带来的不良影响,主要思路是:当用户所请求的视口对应的高分辨率内容还未到达时,先向用户提供超分辨率后的图像或视频,满足用户连续的沉浸式观看体验,避免延迟带来的卡顿等问题。主要研究工作如下:（1）提出一种基于最佳初始视口的全景图像超分辨率算法。首先预测出对低分辨率内容的重建最具参考性的初始视口,然后将其高分辨率版本传输到用户端,其余区域传输低分辨率码流。在用户端,首先计算低分辨率内容与当前视口之间的匹配关系,然后通过纹理迁移和生成网络,对低分辨率内容进行超分辨率重建。实验结果表明,一方面,相比其它视口,预测的初始视口与剩余区域之间的相关性更高,为后续网络提供了更多的信息;另一方面,对于纹理简单区域和纹理复杂区域,该算法均获得了较好的主观效果和较高的客观指标值。（2）利用非局部特征融合与梯度指导,提出了一种对全景图像特定区域进行超分辨率的算法。首先提出多尺度的非局部特征融合模块,用于匹配和融合来自高分辨率视口的信息。为了保留低分辨率区域的整体结构特征,在超分辨率分支的基础上,引入了梯度指导分支,进行整体优化,最后对两个分支的重建结果同时进行约束。实验结果表明,该方法重建出了更加真实的纹理细节和更加接近真实图像的边缘,重建图像的客观指标值均高于其它对比方法。（3）引入帧间相关性,提出基于Octave卷积的特征提取层,设计了一种用于全景视频特定区域的超分辨率算法。为了减少传输的数据量,提出对于视口以外的区域,传输低分辨率、低帧率版本;对于视口内的区域,传输高分辨率、高帧率版本。在客户端,使用Octave卷积提取高分辨率视口的高频信息,并与低分辨率区域的特征进行融合,得到中间帧的特征图。然后通过长短时记忆网络捕捉各帧之间的运动关系,进行特征聚合。最后通过生成网络,重建出各帧对应的高分辨率图像。实验结果表明,与其它方法相比,该方法生成了内容上更连贯的中间帧,重建出的高分辨率帧具有较好的客观质量和主观质量。