图像内插技术是一项根据一幅低分辨率图像估计它的高分辨率图像的技术，在视频监控、医疗、高清电视等领域具有着广泛的应用。本文首先简要介绍了现有的经典图像内插方法：基于多项式的内插、基于稀疏表示的内插、基于自回归模型的内插以及基于方向的内插。然后着重对基于方向的内插技术以及针对压缩图像的内插技术进行了研究，主要完成了以下三项工作：1、从理论和实验两方面分析了方向双三次图像内插方法[1]存在的不足，提出了一种改进的使用方向参数的双三次内插方法。方法从0°、45°、90°、135°四个方向计算图像的局部梯度，以判断图像局部边缘的强度和方向，分别建立相应的方向双三次内插模型，取得了比文献[1]更好的内插效果。2、针对压缩图像，提出了一种采用对称自回归模型的压缩图像内插方法。将学习方法引入图像内插估计中，包括统计学习和图像内插两个阶段。该内插方法在以下三方面进行了改进：1）内插模型。在常用的自回归模型的基础上，利用传统内插方法能较好地处理部分结构的图像以及图像旋转不变性的特点，提出一种对称自回归模型。2）二次分类。在学习阶段，首先，对训练图像采用主成分分析技术提取图像块的局部方向，根据方向进行一次分类，生成方向训练集；然后，对每个方向的训练集，根据图像基元特征，利用K均值聚类方法进行二次分类，提高了分类的准确性。3）模型系数。对每个二次分类后的子类，选择其所属方向类的对称自回归模型，使用有约束的最小二乘法估计该子类的模型系数。通过统计学习的方式获得的模型系数能更好地适应压缩对图像产生的降质影响，从而使得建立的对称自回归模型能对压缩图像进行有效地内插。3、针对一般的内插方法无法较好地处理压缩图像的问题，采用偏微分方程正则化的预处理方法。根据图像基元区域和非基元区域的能量变化率来控制正则化的强度，平衡图像中细节保存和压缩痕迹去除的程度。将该预处理方法用于当前的几种典型的内插方法之前，实验结果表明，对压缩图像，先使用该预处理方法去压缩、再对去压缩后的图像进行内插处理，能获得更好的内插效果。