随着互联通信技术的快速发展，人们在实际生活当中对信息的要求越来越高。相对于以文字和语音为主体的原始通信方式，综合语音、图片、视频等多种信息源的多媒体通信方式有着不可比拟的优势。其在日常通信当中的比重逐渐增加，也必将成为信息技术的发展趋势。而因为采集设备或是传输过程等原因造成的图像退化是提高多媒体通信质量不得不面临的问题，图片超分辨率为这一问题提供了很好的解决途径。基于信号处理中的压缩感知理论产生的稀疏表示方法，在数字图像处理中多个应用方向都得到了很好的性能。利用其最稀疏表示的唯一性，图片超分辨问题得到了很好的解决。在传统的基于稀疏表示的图像超分辨率方法的基础上，提出了基于上下文稀疏表示的图像超分辨率方法，以提高上下文信息在超分辨率框架中的应用，进而增强稀疏表示的性能，最终获得高质量的重构图片。本文的主要研究工作如下：首先，本文对传统的基于稀疏表示的图像超分辨率方法建立了精确的数学模型，并将基于重构限制的图像增强加入到基于稀疏先验的图像恢复框架当中。并在对传统方法进行分析研究的基础上，提出了在原有图像重构框架中加入上下文信息的策略，以提高稀疏表示性能。其次，本文提出了基于多字典稀疏表示的图像超分辨率方法，用以实现将上下文信息融入到传统基于稀疏表示的图像超分辨率框架中。避免在传统方法中字典对数据量较大的数据类别具有较强的表达能力，而对数据量较少的数据类别的表达能力较低的情况。最后，本文对多字典策略下的上下文信息稀疏表示进行改进，提出了强判别力字典的训练模型。基于多字典策略下的超分辨方法在字典冗余和时间开销上的考虑，提出用Fisher判别准则下训练得到的字典代替多字典框架，以此实现将上下文信息融入到基于稀疏表示的图像超分辨率框架当中。基于Fisher判别准则能够有效的提高字典中的判别力，保证各个数据类别具有一组基对其具有较高的判别能力。