超分辨率(SR)重建技术利用较低成本来提升低分辨率(LR)信号的图像质量,为航天航空、郊外环境及军事目标检测、城市交通和安防监控、生物医学影像处理等应用提供更为丰富的细节信息。本文研究基于结构感知、信息集合挖掘的SR重建算法,主要工作包括:1、高分辨率(HR)图像退化前后的结构细节丢失,导致LR与HR恢复块的匹配产生误差。本文提出了一种基于隐藏主题概率模型的图像结构感知SR重建算法,基于自然图像训练集的数据统计结果,通过构建隐藏主题的概率模型来表达LR块的多种主题结构并实现重建。首先,通过给不同内容类别LR图像块赋予主题先验概率,生成LR块的隐藏主题结构的概率模型。其次,提出邻域块上下文感知机制来完成LR块信息量的熵增过程,将邻域上下文内容与多种主题结构的关联信息用于指导流形结构中LR块邻域的自适应选择,实现对主题结构不同但LR块相似的信号的HR块的差异化重建。2、针对HR图像大尺度退化后的结构信息严重丢失问题,提出了基于数据信息集合驱动的SR深度重建方法,通过构建一种结构互补的信息挖掘残差网来捕获多种差异结构。首先,提出多级残差连接机制来组合全局内的不同级别特征,重用已学习到的浅层结构特征,并强制后续的特征提取单元挖掘当前缺乏的结构信息,从而实现差异结构信息的互补;其次,结合局部稠密连接策略将局部的残差组内的每一残差单元的特征信息传播到所有后续层,来实现多层特征的连续传播与综合利用。最后,将构建的稠密多级残差结构作为SR深度网络的特征提取模块,从而实现LR信号的结构内容的有效恢复。