图像超分辨率重建是利用单幅或者多幅低分辨率图像来重建高分辨率图像的数字信号处理技术。相对于通过硬件获取高分辨率图像来说花费更少，近年来被广泛应用在公共安全监测、医学成像、高清视频、军事遥感探测等各个领域。因此，超分辨率重建技术具有重要的研究意义。然而现有的超分辨率重建算法复杂、计算量大，不能满足实时重建的需求。鉴于这些现状，本文对快速超分辨率重建技术进行了研究，主要取得的研究成果如下：1、研究了Yang提出的基于稀疏表示的超分辨率重建模型，针对该算法重建时间较长的不足，提出基于稀疏表示和原子聚类的快速超分辨率重建方法。该方法主要利用K均值聚类算法将字典中相似的原子聚集到同一类，对每个低分辨图像子块自适应的选择一个原子聚类进行稀疏分解，加速了子块的稀疏分解。实验结果表明该方法不仅提高了重建速度且在一定程度上改善了重建图像质量。2、研究了双字典近似学习算法，并将双字典近似学习算法引入到基于稀疏表示的超分辨率图像重建，通过训练低分辨率字典及其对偶字典，将低分辨率图像子块的稀疏分解近似为对偶字典与低分辨率子块的矩阵相乘，实验结果表明该方法在不明显降低超分辨重建性能的同时大大降低了计算量。3、研究了图形处理单元（Graphic Processing Unit，GPU）架构和统一计算设备架构（Compute Unified Device Architecture，CUDA）编程模型，对基于双字典近似学习的快速超分辨率重建算法的耗时情况进行了分析，利用CUDA编程模型在GPU上实现了快速超分辨率重建。