图像超分辨率重建就是将输入的模糊不清的低分辨率图像重建出一幅画质清晰的高分辨率图像。近年来随着稀疏表示理论的发展,基于稀疏表示的图像重建技术成为主要方法。但这种方法过度依赖图像块样本的选择,且不能很好的利用待重建图像所含有的先验信息。针对这一现象,本文在原有基于稀疏表示的图像重建算法研究的基础上,进一步探索与研究了以下两种算法:1.探索与研究了基于小波变换和稀疏表示的图像超分辨率重建;引用VO模型将图像分解为结构部分和纹理部分,对结构部分采用Haar小波变换的图像重建,纹理部分采用稀疏表示的图像超分辨率重建,并采用灰度特征矩阵提取丰富的纹理特征,以更好的恢复图像的边缘细节信息。将两部分重建结果线性加权并进行非局部优化得到重建后的高分辨率图像。仿真实验结果表明,该算法在满足重建效率的同时,能够有效恢复图像的纹理和边缘细节信息。2.探索与研究了基于最优方向多字典学习的遥感图像重建;为提高遥感图像的字典训练速度,本文采用收敛速度较快的最优方向(MOD)的方法进行字典训练。考虑到遥感图像的复杂性,将VO模型分解得到的结构部分和纹理部分分别采用稀疏表示的图像重建,使得遥感图像的结构纹理特征更加明显。仿真实验结果表明,该算法能够有效提高遥感图像的重建效率,图像结构纹理信息更加清晰,更符合人类的视觉观察。