图像超分辨率重建是利用同一场景中的一幅或一组低分辨率图像,结合一定的先验知识,重建一幅高分辨率图像的技术。该技术能够在不改变现有设备的条件下,有效提高图像的分辨率,具有广阔的应用前景。本文首先简要介绍了图像超分辨率重建的现有算法及图像稀疏冗余模型的相关理论,然后针对图像非局部冗余稀疏和字典稀疏表示两个方面,进行超分辨率重建算法研究。主要工作包括3个方面：1.提出改进的非局部迭代反投影(NLIBP:Non-Local Iterative Back-Projection)算法。通过自适应的控制参与NL后处理的像素点范围及优化相似度计算的方法,降低其计算复杂度,并抑制其部分过修正问题。实验结果表明,改进后的算法具有较快的重建速度,且具有较好的主客观重建质量。2.简要介绍了基于稀疏约束的算法,并针对其计算复杂度高的问题,提出了一种基于K均值聚类的自适应快速重建方法。所提算法从两个方面降低其计算复杂度：(1)分类训练字典,对图像块归类重建,降低每个图像块所用字典的大小；(2)对图像块的特征进行分析,自适应的选择重建方法。实验结果表明,本文提出的快速重建方法在重建质量与原算法相当的前提下,可以在较大程度上降低重建时间。3.针对基于稀疏字典约束的超分辨重建算法,提出了一种以非局部相似结构为导向的全局后处理方法,通过结合非局部均值(NLM:Non-Local Means)边缘去噪算法与改进的NLIBP算法,充分利用图像中的边缘信息、非局部相似结构,提高图像重建质量。实验结果表明,本文提出的后处理方法可以有效的改善图像边缘及整体上的平滑性,获得了更好的主客观重建质量。