随着数字图像处理技术的快速发展,人们对图像信息的需求日益增加。图像质量将受到各种随机噪声影响,例如固有传感器采样频率,散焦,大气干扰等。图像的分辨率是评估图像质量十分重要的指标。成像系统分辨率由成像光学装置确定,但是在许多实际应用中,高精度光学装置和传感器的成本也是需要注意的重要方面。因此,为突破成像系统固有分辨率的极限,高清重建技术在监控图像范畴有着广泛应用前景。本文旨在设计并实现一个针对监控图像的高清重建系统。本文在研究各种高清重建技术算法的基础上,设计了基于深度学习的监控图像高清重建系统,该系统主要针对的是监控图像设计而实现的。系统以Tensorflow作为高清重建算法训练时所使用的框架,将生成对抗网络(GAN)作为高清重建算法所使用的主体网络模型,并且在系统中实现了若干辅助功能模块及基于深度神经网络算法的高清重建算法模块。系统不仅考虑到实际应用,还考虑到实验研究。为此系统设计了算法评测分析模块。该模块可以计算生成高清图像和原始图的结构相似性(SSIM)、峰值信噪比(PSNR)作为算法性能评价指标进行分析,能够较为直观地体现高清重建算法在不同类型的输入图像及条件和参数下的优劣,以便后续改进优化。本文在高清重建算法的研究基础上,对国内外研究现状进行了列举和分析,并介绍了基于深度学习的高清重建算法原理及相关技术。同时,系统作为一个实际应用系统,严格遵循软件设计和实现过程。本文最后给出了系统的测试结果,根据测试结果可以分析出系统和算法在不同情况下的优缺点。