1、圖像的超分辨率(SR，Super Resolution)研究是指從一幅或多幅低分辨率圖像(LR，Low Resolution)序列中重構(gòu)出一幅同場景的高分辨率圖像(HR，HighResolution)的過程。近些年，SR技術(shù)廣泛應用于數(shù)字圖像處理、模式識別、醫(yī)學等領(lǐng)域，其具有重要的理論研究價值與廣泛的應用領(lǐng)域。目前大多數(shù)研究者們都是基于字典學習的方法，來實現(xiàn)圖像的重構(gòu)過程。該類算法首先通過對大量圖像樣本的學習來構(gòu)造字典，然后使用得到的字

2、典重構(gòu)出相應的HR圖像。這類算法得到的實驗效果不錯，但其嚴重依賴于訓練樣本集，且運算速度較慢。再者，未考慮LR圖像本身的結(jié)構(gòu)信息，當超分倍數(shù)過大時，容易出現(xiàn)虛假信息。
　　本文致力于研究基于冗余字典學習的超分辨率算法，目標在于提出有效的改進SR算法，重構(gòu)出更加清晰、更加真實的HR圖像，從而提高超分的性能。主要研究內(nèi)容包括：⑴介紹了當前SR技術(shù)、字典學習算法、稀疏理論等的研究背景、研究意義。并且對字典學習算法、SR技術(shù)目前存在的問題

3、以及未來發(fā)展方向等做了綜述性分析;⑵改進K-SVD字典學習算法，得到一種新的算法R-KSVD，其以較快的速度得到性能更好的過完備字典。并提出僅基于LR圖像本身，通過R-KSVD算法來學習字典的SR算法（即基于R-KSVD與示例學習的單幀圖像的SR算法）。把這種算法與多種SR算法進行實驗比較，從視覺效果和均方根差值兩方面，都可以看出基于R-KSVD的SR算法具有更好的超分性能;⑶考慮低分辨率圖像自身的結(jié)構(gòu)信息，提出了一種新的SR算法，即基