随着多媒体技术的发展以及人们对视频图像画质要求的不断提高,高清和超高清视频的应用越来越普及,如何把原有的低分辨率视频放大成高分辨率视频图像并保持图像质量的清晰锐利,即超分辨放大技术成为近年来的研究热点。本文重点研究了基于图像局部自相似模型的超分辨算法,包括算法画质性能的改进研究和算法的GPU加速实现两个方面。首先,论文针对现有的基于局部自相似性的超分辨算法带来的“油画效应”问题进行了深入分析和研究,提出了一种利用图像亚像素精度的插值和匹配来解决该问题的方法,使得放大后的图像细碎纹理变得更加自然。其次,现有算法在对噪声图像进行放大时,会导致噪声被进一步凸显加强,论文针对该问题提出利用放大过程中高频块的搜索和匹配过程的中间量信息,逐点判断高频块的叠加程度,在不增加额外计算量的情况外,抑制放大过程中的噪声增强效应,使得放大后的图像画面更加干净。由于基于图像自相似模型的的超分辨算法逐次放大,运算量巨大,尤其是进行4K超高清放大时,其处理速度难以满足实际应用。针对此问题,本文根据GPU硬件特性和编程特点,对该算法进行了GPU的并行设计和加速实现,实现了平均超过100倍的加速。