图像超分辨率领域的研究,主要为使用一幅或者一组低分辨率图像,重建为一幅高分辨率图像。由于多幅图像超分辨率的不适定性,本文专注于单个图像超分辨率方面,研究了该领域的主流方法,并针对基于稀疏表示的算法进行了一系列改进,本文主要的工作是,如下所示:　　1、在算法的模型方面,阐述图像的退化模型和基于稀疏表示的算法的原理,详细介绍了两种基于稀疏表示的图像超分辨率算法,分别分析其优势和劣势,进而提出自己的改进,将高低分辨率图像块联立起来,训练联合字典,利用迭代反投影的原理增强图像的全局约束。　　2、在求解的数值方面,在稀疏求解的过程中,高分辨率图像块像素点的值过大导致运算速度慢和求解误差大,又考虑到Irani et al.提出的IBP算法重建效果好收敛速度快,利用IBP的结果和高分辨率图像的差异图像来训练高分辨率字典。然后提取图像的非局部相似的冗余,建立一个修正重建图像的后处理的流程。　　3、在所用的字典方面,分析型的字典缺乏自适应性,通用的过完备字典的重建图像又容易产生伪像,借鉴Dong et al.提出的自适应的稀疏区域选择的流程,采用K均值聚类的PCA子字典,并通过迭代过程更新图像和字典,最后同样提取非局部相似性来改善重建图像。