近年来,单视频超分辨率技术在视频处理领域得到了广泛的应用,如监控视频处理、生物医学视频处理、视频增强与复原,以及当前研究热门的计算机视觉、虚拟现实、增强现实等新兴领域。然而,现有的单视频超分辨率算法在处理视频数据时,尚且存在一些不足。现有的单视频超分辨率算法在处理常规视频序列时,由于并未充分利用视频内的相关性,对低分辨率视频序列建模不完整,因而其超分辨率效果存在可提升空间;同时,已有的单视频超分辨率算法大多基于关键帧实现对非关键帧的重建,这在很大程度上依赖于精确的运动估计,因而在运动估计精度不高时,超分辨率重建结果将出现较明显失真,导致超分辨率算法效果不理想。针对这两个问题,本文分别研究了解决对应问题的基于重建的单视频超分辨率算法,并取得了以下两个成果:(1)为了充分利用视频序列内的帧间、帧内相关性,提出了一种基于重建的单视频超分辨率算法,并设计了优化求解模型。在所提出的模型中,为了有效利用视频序列帧内相关性,采用非局部均值模型表征帧内非局部结构特性,同时采用总变分模型表征帧内局部结构特性;另一方面,为了充分探索视频序列帧间相关性,采用了光流法进行帧间预测。最后,为了求解所建立的最优化问题,提出了基于split-Bregman方法的快速迭代算法。实验结果表明,所提出的算法能够得到较好的超分辨率效果,与已有的同类算法相比,所提出的算法在主客观质量上均有相应的提升。(2)已有的单视频超分辨率算法大多基于精确的运动估计,当运动估计不准确时,超分辨率结果中将出现失真现象。为了解决由于已有的单视频超分辨率算法对精确运动估计的依赖,导致超分辨率受制于运动估计的精度的问题,提出了三维非局部均值约束模型,并将其用于单视频超分辨率重建,实现对视频序列内空时相关性的表征,同时采用总变分模型表征视频序列帧内局部相似性。最后,提出了基于split-Bregman方法的快速迭代算法,以便快速准确求解所建立的最优化问题。实验结果表明,与已有的同类算法相比,所提出的算法可以在不依赖与精确运动估计的前提下,获得良好的客观及主观结果。