图像的超分辨率重建是指从相同场景的单幅或多幅低分辨率图像中重构出一幅包含更丰富细节的高分辨率图像的技术。这一技术突破了硬件成像系统的限制,经济且有效地提高了图像分辨率。在众多超分辨率重建技术中,基于稀疏表示的超分辨率重建算法更是以其广泛的适应性以及优良的图像重建效果,成为了超分辨率领域的研究热点。然而,由于采用固定大小的图像块处理局部图像块,该类方法存在从低分辨率到高分辨率匹配的准确性的限制。同时存在因超分辨率放大因子改变而需要重新学习训练字典缺陷。本文提出了相应的算法解决上述问题:(1)本文在图像块尺寸选取中采用自适应方法选取图像块尺寸以求得到更优局部匹配。将要重建图像的高频区域与低频区域进行划分,得到平滑和边缘区域,通过区域不同选择不同尺寸的图像块进行超分辨率重构。(2)将过完备单字典学习代替基于稀疏表示超分辨率算法中的过完备字典对学习,把低分辨率图像块看作是高分辨率图像块对应像素的缺失,在此思路上提出了一种新型的局部模型处理方案,使得字典不必因放大因子改变而需要重新学习。本文给出了充分的实验验证上述方法的性能,且实验结果表明,提出的方法无论在主观还是客观图像质量评价上都取得了更好的效果。