本文对单帧的超分辨率重建算法进行了深入地研究。本文研究了目前的一些重要算法,对基于图像自相似性、图像的非局部均值的超分辨率算法进行了重点研究,提出了结合边缘检测的非局部均值超分辨率图像重建,并将其与基于多尺度结构相似性的学习模型统一到反向投影框架中,实现了具有鲁棒性的单帧图像超分辨率重建。本文基于图像子块在多尺度之间的相似性,利用原始低分辨率图像自身构造出一个反映了低分辨率和高分辨率子块映射关系的数据库。在超分辨率重建过程中,利用该数据库及邻域嵌入的相关理论对已知的低分辨率子块预测其对应的高频信息,从而恢复出在采样过程中丢失的高频细节,实现单帧图像的超分辨率重建。本文采用由粗到精的策略,构建出一系列分辨率上升的高分辨图像,每重建出一幅高分辨率图像,都将其自身的信息加入数据库中,实现对高频细节的最佳恢复。最后通过结合非局部均值的正则约束,将重建出的图像反向投影到原始低分辨率图像上,进行一致性约束。仿真实验及通过主客观测度分析表明,在图像质量上本文算法与目前算法具有很好的可比性。