超分辨率的目的是通过一幅或多幅低分辨率图像恢复得到其所对应的高分辨率图像，由于其成本低廉而且能够改善目前广泛使用的低质量成像设备的成像结果，近年来受到了广泛的研究。本文主要研究基于范例的单帧图像超分辨率方法，提出了一种基于局部回归的快速超分辨率算法，并研究了该算法的进一步加速方法。对超分辨率实验结果的定量分析表明，本文的方法能够快速的获得高质量的超分辨率结果。基于范例的超分辨率方法在提出以来就受到了广泛深入的研究，该方法通过利用数据库中的信息对低分辨率图像中损失的高频信息进行预测。本文受局部学习思想的启发，假设图像中频信息空间到高频信息空间的映射局部相似，将庞大数据库中的中频信息向量在训练阶段预先分为若干类别，在每个类别局部学习中频信息对高频损失信息的回归函数，从而避免了超分辨率阶段对庞大数据库的依赖，显著提升了超分辨率算法的速度。此外，还分析了中频信息能量与损失高频信息间关系的统计规律，仅对包含较大能量的中频信息向量进行超分辨率操作，进一步提高了算法的速度。在试验部分，本文首先验证了本文中关于中频信息空间到高频信息空间的映射局部相似假设的正确性，分析了数据库大小以及中频空间中分类类别K的大小对算法超分辨率结果质量以及算法速度的影响；然后分析了加速算法在不同内容图像上对原始算法的加速性能；最后将本文中的算法同其他算法进行比较，比较结果表明，本文中的算法能够在短时间内获得高质量的超分辨率结果。