图像超分辨率重建技术能利用低分辨率图像重建出清晰的高分辨率图像,在现实生活中许多领域得到广泛应用。其中,基于稀疏表示的图像超分辨率算法比传统的算法具有更好的图像重建效果,备受国内外研究人员关注。经典的基于稀疏表示的图像超分辨率重建算法的时间复杂度高,重建出的高分辨率图像会产生边缘块效应。并且对于复杂的自然图像,重建结果的纹理细节不清晰。本文针对这些问题提出了两种改进的算法:1)利用高分辨率图像和其低分辨率图像之间的纹理相似性,提出一种基于稀疏表示和局部纹理约束的图像超分辨率算法。在局部块稀疏表示模型中,加入高分辨率图像块和低分辨率图像块的纹理一致性约束,提高重建精度。在图像后处理过程中使用全局重建优化模型和非局部自相似优化模型进一步优化重建结果。对无噪和含噪图像进行对比实验,结果表明该算法能够恢复更多纹理细节并且具有良好的噪声鲁棒性。2)提出一种基于LBP特征稀疏表示的图像超分辨率算法。使用局部二值模式提取图像的纹理特征,采用K-Means算法对图像块分类并训练对应类型的过完备字典以缩短重建时间。在局部块重建模型中,使用图像块的LBP纹理特征的稀疏表示模型重建高分辨率图像块。在全局重建约束模型中,增加高分辨率图像和低分辨率图像的归一化LBP直方图特征一致性约束,进一步改善重建结果。实验结果证明该方法重建图像的时间更短,并且重建出的高分辨率图像的纹理细节比第一种方法的相对清晰。