图像超分辨率技术是一种基于信号处理方法获得较高分辨率图像的技术。它以若干模糊、有噪、频谱混叠的低分辨率图像为输入,通过信号处理技术融合出一幅高分辨率图像,因而在视频、成像、遥感、医学、监控和军事等领域都有重要应用。近年来,基于学习的图像超分辨率技术更是热门话题。本文研究基于学习的图像超分辨率的特性,结合人脸这一特殊类型的图像,提出了一种块语义马尔可夫网络下非线性人脸图像超分辨率算法。论文的具体内容包括:首先,全面回顾和评述了超分辨率图像重构技术的概念和基本方法,接着重点介绍了基于学习的一般图像超分辨率技术。然后,本文着重研究了基于学习的单幅人脸图像超分辨率算法,采用马尔可夫网络模型描述重构机制,通过研究人脸这一特殊类别的图像,结合其语义特征,考虑到人脸图像的差异,在采用基于对齐的图像块坐标限位操作的基础上,提出了一种非线性搜索算法,降低了搜索的复杂度,提高了匹配相关性,加快了马尔可夫网络收敛。算法利用搜索到的高分辨率图像分块样本进行了块间的视觉兼容性处理,最后直接输出相关分块样本为复原的人脸图像。实验结果证实本文提出的算法具有输出质量好、效率高等特点,有一定的实用价值。