图像超分辨技术不需要改变现有物理设备,只要采用适当的数字信号处理技术,就能获得满足需要的高分辨率图像,在技术上和成本上具有较大优势,因此被越来越多地应用于高清数字电视、军事遥感监测、公共安全和医学成像等领域。相对于多帧重建技术,单帧图像超分辨率技术在重建时仅需要一幅实际场景中的低分辨率图像就能估计出相同场景下的高分辨率图像,在一些应用中更能满足实际应用需求。基于稀疏表示的超分辨率方法,是单帧图像超分辨率重建方法研究的新方向。因此,本文研究目标是单帧图像超分辨率重建技术,重点研究基于稀疏表示的图像超分辨率重建技术。本文首先讨论了单帧图像超分辨重建技术的算法模型和基本原理,对其中几个比较经典的超分辨算法的原理、具体实现方法和性能特点进行详细分析和讨论,并通过实验仿真进行主观和客观两方面的对比分析。其次,对基于稀疏表示的超分辨率方法展开研究,研究发现,基于稀疏表示的图像超分辨率重建算法中字典的原子数目和构成对算法重建质量和重建效率有较大影响,且重建中正则化参数的选择对重建质量产生一定的影响。并通过仿真实验对这两个方面进行讨论和分析,实验结果表明,在字典原子数目一定的情况下,通过改变字典构造和正则化参数的选择方法,可能设计出一种算法以提高算法的运行效率,并同时保证图像的重建质量。最后,本文设计一种基于改进初始化聚类中心的K-均值聚类字典设计方法,并将其应用于图像超分辨重建研究。进一步,在图像重建过程中,针对利用一个子字典重建图像时在图像边缘处出现的方块效应问题,对聚类子字典数目的选择展开分析讨论,并采用结合稀疏表示系数的正则化参数方法减少方块效应,以提高图像的重建质量。实验结果表明,该方法提高了算法的运行效率,保证了图像的重建质量。同时,与利用传统K-均值聚类构建字典进行图像重建相比,由本文所设计的改进初始化聚类中心的K-均值聚类字典构建方法重建的图像更稳定。