超分辨率重建是一种可以在不改变成像系统的前提下，克服系统固有的分辨率限制，提高图像分辨率的重要图像处理技术。根据处理的低分辨率图像的不同，可以把超分辨率重建分为基于单幅和基于多帧图像的重建。本文针对单幅图像重建重点研究了基于稀疏表示的方法，针对多幅图像重建重点研究了基于正则化的方法。
　　针对基于正则化的多帧图像超分辨率重建中，建立单一的图像先验模型很难在抑制噪声的同时保持图像的边缘信息这一问题，本文提出了一种区域自适应的多帧图像超分辨率重建算法。根据梯度信息将图像分为平滑块和非平滑块，对于不同区域的图像块，自适应的选择不同的先验模型，使重建后的高分辨率图像边缘清晰。仿真结果表明，与传统方法相比，本文方法重建的图像峰值信噪比提高0.07到0.26dB，RMSE值平均降低0.15。
　　针对基于稀疏表示的重建算法中，字典构建的复杂度高，算法的运行效率低等问题，根据图像的区域特性，本文提出一种自适应字典选择的单幅图像重建算法。通过计算结构张量信息分析图像的区域信息，对于不同的区域选择不同图像块大小的字典进行稀疏重构。仿真结果表明，该方法能够在不降低图像质量的前提下，有效提高算法的运行效率。
　　针对基于稀疏表示的重建算法中，稀疏重构过程复杂度高等问题，根据人眼的视觉特性，本文提出一种基于岭回归的彩色图像超分辨率重建算法。该方法使用局部方差提取图像的感兴趣区域并作为训练样本来构建字典。然后根据岭回归原理，使用训练得到的高低分辨率字典计算得到投影矩阵，达到降低稀疏重构复杂度的目的。仿真实验结果表明，该方法能够解决重建图像细节模糊以及算法复杂度过高等问题，且具有较好的视觉效果。
　　论文对超分辨率重建算法的研究可以应用到图像处理等多个领域中，能够指导算法的硬件实现，具有重要的理论价值和应用价值。