自身无结晶核的液态金属在无重力或微重力环境下,会达到深过冷状态,处于此状态的熔体会表现出其特有的性质。科研者们为了在地面模拟无重力或微重力环境,进一步研究深过冷熔体的性质,搭建了静电悬浮与真空落管的实验平台,并且用高速摄像机拍摄到下落过程中的深过冷熔体图像。由于高速摄像机本身所限制,拍摄到的图像分辨率很低,对研究深过冷熔体的性质有所影响,因此需要借助数字图像处理技术来重建图像,丰富图像细节,增加图像分辨率。现有的图像超分辨率重建方法并不能很好的还原图像本身,更加不适合重建深过冷熔体所特有的细节纹理。为了解决这个问题,本文提出一种基于混合样本与低秩矩阵分解优化(AMS-LMDO)的单幅图像超分辨率重建的方法。该方法充分利用外部样本库与内部样本库提供的互补的先验知识来解决这个极度不适定的超分辨率重建问题。在本文提出的方法下,混合样本库提供的先验知识要比任意单独的样本库提供的先验知识更加适合对深过冷熔体图像的超分辨率重建。重建图像后,利用低秩矩阵分解模型来优化带有错误信息的高分辨率图像,去除稀疏且不相关的错误部分,使得最终所得图像更加接近原始图像。仿真实验结果表明,与当前流行的方法相比,本文提出的方法不但在一般图像的重建中有较好的效果,而且在重建深过冷熔体图像中也表现的很出色。相对于公认较为成熟的YangSR算法,本方法重建深过冷熔体图像结果PSNR指标提高了约1.86dB,SSIM指标提高了约0.06。与其他先进的图像超分辨率重建方法相比,本文所提方法重建结果在PSNR与SSIM两个指标上也有不同程度的提升。由此得出结论,对于本文所讨论的深过冷熔体图像,本方法可以更清晰的重建出该图像所具有的特殊高频细节。