利用静电悬浮结合落管来研究无容器微重力条件下材料的本征特性，是研究亚稳态新材料的重要手段。通过温度和图像传感器可测量样品体积和温度的变化，从而得到样品密度、比热、表面张力和粘度等物性参数的变化。50米高的落管，直径约3mm的自由下落的样品液滴到达落管底部时，其下落速度可达31.3m/s，使用106帧/s的相机成像，每个曝光时间内成像的像素数通常在48-120之间，成像质量低。超分辨图像重建正是通过增加图像中每单位面积的像素数目来提供比给定成像设备的采样网格更细的细节的算法。应用基于稀疏表示的图像超分辨方法来重建低分辨的液滴图像。基于Yang的关联字典模型，对高、低分辨率图像块构成的两个样本库进行联合字典训练，得到高、低分辨率关联字典，将在线式双稀疏字典训练算法用于关联字典的学习中，该字典训练算法克服传统基于小图像块训练算法的缺点，可以训练更大的图像块，并可在线处理大批量的训练样本，根据图像重建效果实时更改训练样本，增加了训练的主动性和灵活性，提高了训练效率。在图像重建阶段，加入了核回归的算法，有效地克服了Yang图像含有不真实信息和边缘毛刺多的缺点。为了得到更加精细的图像细节信息，我们又将基于卷积网络的超分辨重建应用于液滴图像，并改进了算法，直接输入低分辨图像，并且加深了卷积层数，将重建部分做成并行的卷积网络，减少参数又简化计算复杂度，且重建效果较好，在结构相似性上表现尤为突出。