超分辨率图像重建是在不更换现有光学成像器件的前提下,使用数字信号处理方法提高图像分辨率的技术。该技术成本低、效果好,因此具有巨大的商业价值,自提出以来便广泛运用于安全监控、医学图像处理、生物特征识别、军事和民用遥感等各个领域。近年来提出的压缩感知理论指出,对稀疏的或可压缩的信号,可以用远小于奈奎斯特采样率的频率进行采样,并且使用少量的采样值就能够无失真地恢复原始信号。该理论在信号处理领域引起了强烈的轰动,为信号采集、图像压缩、病态问题求逆等传统信号处理问题提供了新的思路和方法。本文借助压缩感知理论,构建出一种新颖的超分辨率图像重建模型,主要处理单幅图像分辨率增强的问题,得出了令人满意的结果。文章首先介绍了超分辨率图像重建的概念和研究现状,然后对现有的超分辨率技术进行了概述,主要研究了单帧超分辨率方法中基于学习的方法。接着介绍了压缩感知理论,对信号的稀疏性与不相关性进行了说明,主要讨论了稀疏基选取、测量矩阵设计以及信号的重建算法。在此基础上,构造了基于压缩感知的超分辨率通用框架模型,并论证了此模型的可行性。然后分别设计了以小波基或者冗余字典作为稀疏基的单幅图像超分辨率重建算法。最后,对文中提出的算法进行了仿真实现,并与常用的超分辨率算法对比分析。实验表明,本通用框架可以很好地把压缩感知的思想引入到超分辨率图像重建领域,而且基于压缩感知的超分辨率算法能够取得较好的重建结果。