人脸研究一直是图像处理、模式识别以及计算机视觉领域内的热点研究问题之一。受成像设备、环境干扰等诸多因素的影响，通常我们获取的人脸图像分辨率都较低，以至于给人脸识别及各种实际应用带来了很大困难。图像超分辨率技术为这一难题提供了一种有效的解决方法。它以模糊、有噪、频谱混叠的低分辨率图像为输入，通过信号处理技术融合出一幅高分辨率图像，在视频、成像、遥感、医学、监控、军事等领域得到了应用广泛。　　 本文研究单幅人脸图像超分辨率技术，提出一种基于马尔科夫网络模型的块语义限位人脸图像超分辨率学习算法。论文的具体内容包括：　　 首先，阐述了图像超分辨率图像技术的概念和基本方法，重点介绍了基于学习的图像超分辨率技术。然后，以马尔可夫网络为学习模型，研究人脸这一特殊类别图像。考虑到人脸图像的局部特征，在图像基本对齐的基础上，结合块坐标语义限位操作，提出一种非线性搜索算法，降低搜索复杂度的同时提高匹配的语义相关性，进而加速网络收敛。算法对搜索到的高分辨率图像分块样本进行了水平优先的视觉兼容性检查，最后输出最优的相关分块样本为复原的人脸图像。实验结果表明本文提出的算法具有输出质量好、效率高等特点，有一定的实用价值。