超分辨率是计算机视觉和图像处理领域的热点问题,在军事,航天,医疗,影视制作等领域有着广泛的应用前景。本文针对超分辨率重构问题,研究了图像超分辨重构方法,视频超分辨率重构方法和高光谱图像超分辨重构方法。论文的主要创新点如下：1.提出了一种鲁棒并高效的基于稀疏表示的图像超分辨重构方法。该方法将超分辨率问题转化为压缩感知系统,用过完备的字典来稀疏的表示输入的低分辨图像和产生高分辨率的输出图像。其中用于构造字典的训练图像集由基于尺度不变特征转换方法从图像库中自适应的构造。所提出的方法同时保证了超分辨率的质量和运行时间。2.提出了两种视频超分辨方法。第一种方法是基于特征导向变分光流的方法,特点是：基于光流的投影和基于快速行进方法的修复,能克服块效应并充分考虑到了具有较大位移的小物体结构。第二种方法是基于自适应的超像素导向的自回归模型的方法,通过同时的考虑时空相关性达到了更加精确、鲁棒的视频超分辨率。3.提出了一种简单快速的适用于各种谱段的高光谱图像超分辨方法。所提出的方法借助于一张彩色高分辨率图像充分的考虑了空域和谱域的相关性。其中空域相关性由加入了非局部均值核的白回归模型建模,谱域相关性由自适应的投影方法建模。上述方法均通过计算机仿真和实际数据集实验表明了方法的有效性。