图像超分辨率就是指利用一幅或多幅低分辨率图像,通过信号处理技术获得一幅清晰的高分辨率图像。超分辨率重建算法包括单幅图像的超分辨率重建算法和多幅图像的超分辨率重建算法,本文主要研究视频图像的超分辨率重建算法,即利用前后多帧图像实现当前帧图像的超分辨率重建。基于稀疏表示的图像超分辨率重建技术是当前图像处理领域的研究热点,其关键技术包括构建图像的稀疏表示模型、字典构建算法和运动估计。本文在字典构建算法性能影响分析以及训练样本集对重建性能影响分析的基础上,提出了基于稀疏表示的视频图像超分辨率重建算法,主要工作包括：1)给出了基于稀疏表示的视频图像超分辨率重建模型。在基于单幅图像的稀疏表示模型基础上,构建了视频图像的稀疏表示模型,并设计了模型的求解算法,实验表明,该算法对重建图像的信噪比和相似度有较大的提高。2)分析了字典构建算法以及训练集对超分辨率重建性能的影响。实现了两类字典构建算法,并对其进行了实验验证。实验表明,基于特征的字典重建算法在结构相似度和峰值信噪比这两个指标上均优于基于灰度值的字典重建算法；分析了不同样本集的字典训练对超分辨率重建性能的影响,实验表明,当训练集与待重建图像相关时,重建效果要比自然图像训练集重建效果好。3)给出了基于多尺度自卷积(MSA)的特征匹配无显式运动估计方法。该方法利用图像块的旋转、平移、缩放不变性,将MSA特征匹配和Lucas Kanade方法相结合,以实现图像块间的配准。实验结果表明该方法不仅提高了图像块的配准精度,同时使得重建的视频图像在信噪比和相似度方面均略优于其它算法。理论分析和综合实验表明,本文提出的基于稀疏表示的视频图像超分辨率重建算法可以很好的改善重建图像的信噪比和相似度,提高图像的重建质量。