在许多实际生产中,人们总是希望获得更加清晰的无人机图像。但在实际影像采集过程中,由于外界因素、成像系统以及传感器等方面因素的限制,无人机图像会出现退化现象,使得所获得的数据不是十分理想,在三维模型重建和数字正射影像图制作等方面会受到很大的影响,因此,如何高效地恢复出理想的无人机图像,就成为十分严峻的问题。超分辨率重建是指利用多帧低分辨率图像,采用一定的方法重构出高分辨图像的图像处理方法。在实际应用层面,采用超分辨率重建的方法可以在不提高硬件性能的前提下,获得相对高质量的图像。因此本文尝试将此方法应用于无人机影像处理邻域。作为目前超分辨率重建中主流的方法,稀疏表示重建具有所需样本数量少、重建图像精度高等优点,而采用这种方法处理无人机图像所需要解决的主要问题有三个方面:稀疏字典的构造、解算稀疏系数和超分辨率无人机图像重建。本文采用稀疏表示的方法进行无人机图像重建,主要工作如下:第一、基于稀疏表示的无人机影像过完备双字典构造。本文提出了在传统字典训练的基础上引进双字典同时训练的思路,在提取大量样本后将双字典合并,并采用K-SVD方法同时训练,这样就使高低分辨率字典具有同样尺寸的图像块,同时可得对应稀疏系数,最后将高分辨率和低分辨率图像块配准,便可得理想的过完备字典。第二、无人机影像过完备字典丰富度的提高。为了使重建后的无人机影像在边缘、纹理和平滑结构上达到更好的效果,字典的丰富程度也是必不可少的。本文提出了自适应字典的应对方法,首先根据图像熵和方差对图像的细部结构进行分类,然后分别对无人机影像的平滑、边缘和纹理结构采用相对应算法处理。通过重建后无人机图像视觉效果和数据分析可以得到,本文的过完备字典表现力更好,细节更丰富,在主观指标换（SSIM）和客观指标（PSNR）方面的实验结果数据都有了更好的体现。第三、验证本文方法的可靠性与可行性。将超分辨率重建方法应用于三维重建、正射影像图制作等实际生产应用中,通过实验数据的对比,验证本文的方法在实际应用中的可行性,本文的方法能够使图像达到更高的精度,在三维建模中明显的提高了模型的性能与质量。