图像是人类感知环境的重要信息载体，高质量的图像能更加准确的反映出场景的内容，对后续的理解与决策有很大帮助，因此在军事、医学与民用监控等领域有着迫切的需求。为了得到高分辨率的高质量图像，近年来超分辨率图像重建技术得到了广泛的研究。它利用信号处理的技术从一幅或多幅低分辨图像中恢复高分辨率图像，可以有效的突破传感器和光学制造技术的限制，是一种低代价的超分辨率技术。最近几年，基于样例学习与稀疏编码的图像超分辨率重构已发展为超分辨领域的一个研究热点，其中编码方式与编码实现直接影响了该类方法的效果。针对现有方法中存在的编码不准确等问题，本文进行了一些积极的探索。此外，考虑到现有方法对图像的先验知识利用不充分等缺陷，本文还进一步挖掘了图像的自相似性先验，来进一步提高重构图像的质量，所做主要工作如下：(1)提出一种基于PDLG（pixel deviation and Laplacian gradient）特征和块期望似然的稀疏邻域嵌入图像超分辨率重构算法。考虑到Chang方法中近邻不准确的缺陷，构造了基于像素偏差和Laplacian梯度的PDLG新特征，通过该特征来确定候选近邻；其次，利用稀疏编码确定近邻块，最后对恢复出的图像块施加块期望熵的正则约束。将该方法用于3倍的自然图像放大，恢复图像的PSNR值比Yang（TIP2010）的方法提高了1~2dB，对含噪图像也具有较强的鲁棒性。(2)提出一种基于低秩分解的多任务邻域嵌入超分辨率重构方法。考虑到不同的特征提取方法所寻找近邻块的差异，在第三章方法的基础上构造多个稀疏局部邻域嵌入任务；其次，将多个任务获得的高分辨率块进行低秩分解，用低秩部分估计高分辨率块。将该方法用于自然图像，遥感图像和医学图像，结果显示：该方法比Yang（TIP2010）的方法，在视觉效果上能够恢复出更多的图像细节信息，由于加入了非局部正则，对噪声具有较强的抑制能力。(3)提出了基于结构自相似与核回归的超分辨率图像重构算法。考虑到重构图像的每个图像块在局部区域内总能找到与其结构相似的块，设计了结构自相似与核回归的约束正则。将该方法用于不同类型图像的重构，结果显示：该方法比Yang的方法在数值指标上有了很大提高。由于加入了结构自相似与核回归正则，可以使重构的图像更好得保持结构细节信息，进而提高了重构图像的质量。本文的工作得到了973国家重点基础研究发展计划(2013CB329402,NCET-10-0668)，国家自然科学基金(61072108,60971112,61173090)，高等学校学科创新引智计划(111计划)：No. B0704，教育部博士点基金(20120203110005)和武器装备预研基金项目(9140A24070412DZ0101)。