图像超分辨率(Super-Resolution,SR)方法是利用各种信号处理手段将给定的低分辨率图像中恢复出对应的高分辨率图像的技术。因此在诸如遥感测绘、医学成像、军事侦察、安保监控等特别需要高分辨率图像的数字成像领域中,图像超分辨率技术具有广泛的实用价值。在传统的基于外部字典的单图像SR算法中,往往只依赖外部图像集训练单一字典对高分辨率图像进行重建,既没有有效利用训练图像的残差信息,也没有考虑待重建图像自身的先验知识,因此当外部图像类型与待重建图像类型不匹配时,可能导致重建图像出现伪影、失真等情况。而传统的基于自相似性的单图像SR算法,往往只采用输入图像自身构建自适应字典,由于自学习字典表达能力有限,因此在重建时可能会出现高频信息不足、边缘模糊、细节丢失等问题。针对以上问题,本文提出了两种基于字典学习与协作表达的单图像SR算法:(1)针对传统的单图像SR算法重建的高分辨率图像只依赖单一字典对进行重建,导致的伪影、失真等问题。为了提高重建图像质量,提出了一种基于多层残差字典及协作表达的单图像SR算法。在训练阶段使用协作表达的方法重建训练样本,训练多层残差字典,构建相应的投影矩阵,在测试阶段通过计算好的投影矩阵逐层恢复出残差信息,实现更有效的超分辨率重建,获得更好的主客观效果。(2)针对基于外部字典的SR算法待重建图像与训练图像类型不匹配的问题,以及基于自相似性的SR算法高频信息不足的问题,提出了一种基于联合外部学习与自学习的单图像SR算法。在训练阶段,通过处理外部HR图像训练库,提取外部HR图像提供的外来先验信息,训练外部字典,利用协作表达的思想计算外部字典投影矩阵;在重建阶段,根据输入LR图像训练自学习字典与相应投影矩阵。在SR过程中将外部字典与自学习字典合并,利用内、外两部分的先验信息更有效的恢复出重建图像所丢失的高频信息。