压缩图像超分辨率重建是指通过一定技术从低分辨率的压缩图像中获得高分辨率的清晰图像的技术,它能够恢复出图像在压缩过程中丢失的细节信息,并且去除压缩图像中明显的人工痕迹。本文提出的压缩图像超分辨率重建方法是基于学习重建方法,主要的研究成果有:1.提出了基于子空间回归的压缩图像超分辨率重建方法,可以实现压缩图像在同尺度情况下的重建,主要包括训练和测试两部分:在训练阶段,首先训练出不同的子空间用于划分图像块的类别,然后在不同的类别内采用极限支持向量机回归(Extreme Support Vector Regression,ESVR),训练低分辨率图像块到高分辨率高频块间的非线性回归模型;在测试阶段,采用多极限支持向量机回归融合的方法来估计高频,回归模型选择的依据是图像块在所有子空间上的表示系数。最后,将估计出的高频作为约束,重建出结果图,并对结果图做平滑滤波进一步去除震荡效应。实验表明,针对相同的测试集本文方法相比A+算法平均PSNR(Peak Signal to Noise Ratio)提升了0.15dB。2.提出了基于车辆图像的超分辨率重建方法。根据车辆图像的降质过程,本文把重建算法分三个部分:(1)根据本文的压缩图像重建算法去除车辆图像中的压缩效应;(2)对去压缩车辆图像进行扩尺度超分辨率重建。在训练阶段,首先训练出不同的子空间用于划分图像块的类别,再在不同的类别内训练低分辨率插值图像块到高分辨率高频块之间的ESVR模型。在测试阶段采用多极限支持向量机回归融合的策略来获得最终的结果图;(3)对扩尺度重建的车辆图像进行盲去模糊,首先推测出模糊核,再根据推测出的模糊核对车辆图像反卷积。实验结果显示本文重建算法相比A+算法平均PSNR提升了0.24dB。