随着科技的发展和人类社会的进步,人们对信息交流和处理的要求变得越来越高。受带宽和存储空间的限制,互联网中的图像很多是低分辨率(low resolution, LR)的图像。而利用图像超分辨率处理技术,可以利用插值或样例数据库等方法,得到更清晰的高分辨率(high resolution, HR)图像,以满足人们对高分辨率图像或高分辨率视频的需求。当然,超分辨率图像处理的应用不限于以上方面。图像超分辨率重建技术可以在几乎不增加成本和引进新设备的情况下很好的对图像进行处理,提高图像分辨率。由此可见,超分辨率技术具有非常广阔的发展前景。图像超分辨率重建已有的方法已经取得了较好的成果。但通过深入研究发现,图像的细节部分尤其是靠近边缘的部分的重建效果较差,因此还有进一步研究和提高重建结果的空间。本论文在大量调研的基础上,提出基于插值和样例的超分辨率图像处理的新算法,以更好地改善重建图像的质量。首先,本论文对已有的超分辨率重建算法进行了回顾和说明与大致的分类,并对每一类中每一种重建方法的研究现状做了详细的阐述和分析,其中着重说明了基于双线性插值方法和基于样例重建方法的优点以及不足,为本文在此基础上提出的改进算法奠定一定的理论上的基础。由于普通的双线性插值的效果一般,本文针对此插值方法的不足之处,提出了基于边缘检测的双线性插值的重建方法。首先,对低分辨率图像利用Canny算子进行边缘检测并作二值化处理获取图像的边缘位置的信息。然后,把不同的边缘像素点所处的位置分为10种情况。在确定待插值点相对于所对应边缘像素点的具体位置后,对边缘上的点和非边缘的点使用不同的权值进行重新插值。本算法通过MATLAB软件实现后,利用了主客观结合的方式进行评价,其中客观评价主要选取峰值信噪比(PSNR)和特征相似度(SSIM)这两种评价准则。实验数据显示本文提出的改进算法相对于原始的插值方法性能上具有较明显的改善。针对原有基于样例方法的块效应和一对多的不足之处,本论文提出了基于带邻边样例的超分辨率重建算法。该方法,首先在所提取的LR图像块(样例)的周围增加邻边,也就是在此样例的四个边上分别加上分块前该图像块在LR图像相应位置中的邻边信息,然后将加入邻边信息的样例与相应HR图像块存入训练库中,这样可以在超分辨率处理时提高匹配的准确度,对于一幅新的图像来说可以匹配出更相似的HR图像块,从而使得重建出的图像效果更好。这里,利用均方根误差(MSE)和平均特征相似度(MSSIM)两种客观评价方法来评价本论文提出新算法的性能。综上所述,本论文所提出的两个新算法具有一定的创新性,都可以在一定程度上的改善和提高原有的图像超分辨率重建算法的效果和质量。可以为图像超分辨率重建后续的研究提供了新的思路,具有较强的理论和实际应用价值。