随着信息技术的发展，通过识别二维条码获取有用资讯已变得非常普遍。二维条码信息量大，密度大，所以需要高分辨率的图像确保识别性能。例如在一些应用中，需要用户拍摄二维码图像上传至服务器进行识别，由于这些用户缺乏足够的指导，往往使上传的图像没有足够的分辨率，导致识别失败。可见，对获取的图像进行超分辨复原对二维码的识别至关重要。所以，本文对基于稀疏表示的二维码图像超分辨复原进行了研究。本文的主要工作分为：1)探讨了两类主流的超分辨复原方法。本文阐释了基于重建和基于学习的超分辨复原方法，并发现二维码图像具有很好的结构特征，便于建立高、低分辨率图像块之间的关联，因此推测基于学习的方法更适合这类图像的超分辨重建。2)探讨了基于过完备字典的稀疏表示模型。首先，本文阐释了稀疏表示模型的建立过程。然后，分别从模型求解、稀疏性度量和稀疏系数解的唯一性三个方面对它进行了分析。最后，展示了稀疏表示在图像超分辨复原领域的有效应用。3)为建立高、低分辨率图像块之间的稀疏性关联，提出了一种适合二维码图像超分辨重建的特征抽取方法。二维码的边缘包含大量的高频信息，所以采用Kirsch算子检测出边缘梯度作为一个重建特征。梯度方向很好地反映了二维码的纹理信息，所以使用类边缘纹理直方图法抽取出梯度方向作为另一个重建特征。最后，将水平和垂直的二阶梯度特征与它们相结合，共同组成低分辨图像块的特征抽取器。4)运用上述特征抽取方法，提出了一种针对二维码图像的超分辨复原算法。首先，本文采用冲击滤波器对训练集的低分辨图像块进行边缘增强，从而使抽取的特征信息更加准确。然后，使用内容相关的样本对字典进行训练，从而使字典的稀疏表示能力更强。最后，对稀疏重建的图像进行全局约束，从而使最终的估计图像与原始图像更接近。实验结果表明，该算法能有效地实现二维码图像的超分辨重建。