图像的超分辨率技术(Super-Resolution, SR)是指通过对多幅或一幅低分辨率图像的处理来重建出一幅高分辨率图像。本文重点研究的是基于稀疏理论和Guided滤波的单帧图像超分辨率算法。稀疏表征是传统信号表征发展的一种新趋势。最近,D. Donoho等人提出的压缩传感(CS)理论更加把稀疏表征顺利推升到一个全新高度。本文同时结合图像的Guided滤波,并将其应用到对低分辨率图像的特征提取中。图像的超分辨率技术作用在图像世界的底层,是将不清晰的低分辨率图像转换成清晰的高分辨率图像,是为图像分析和图像处理提供一个更佳的质量环境。因此,图像的超分辨率技术并非固定于某一门类的应用,可以应用在图像的各个领域中,拥有非常大的发展空间。本文主要研究的是基于稀疏理论和Guided滤波的单帧图像超分辨率算法问题,目标是将一幅不清晰的低分辨率图像转换成一幅清晰的高分辨率图像,并应用于低分辨率的人脸图像识别。主要研究工作如下(1)主要介绍了当前的图像超分辨率技术、稀疏理论和人脸图像识别的国内外的背景现状和意义等；(2)具体介绍了基于稀疏理论的图像超分辨率方法、图像Guided滤波的特征提取、高分辨率的稀疏过完备字典(Over-Complete Dictionary)和低分辨率的稀疏过完备字典的联合训练学习以及构造等；(3)提出了基于稀疏理论的单帧图像超分辨率算法,并与多种传统的单帧图像超分辨率算法进行试验比较,证明本文算法在视觉效果和峰值信噪比(PSNR)指标上都具有更好的性能；(4)将基于稀疏理论的单帧图像超分辨率技术应用到基于主成分分析(PCA)降维算法和支持向量机(SVM)分类算法的人脸识别系统中,用来提高待识别的人脸图像是低分辨率图像的识别率