由于受到各种环境噪声以及摄像设备自身分辨率等因素的影响,摄像设备采集到的图像可能是低分辨率的,难以满足实际应用的需求。于是,超分辨率技术应运而生,用于提升低分辨率图像或低分辨率视频的分辨率。针对基于图像块聚类和关键帧的视频超分辨率算法使用K均值算法在大规模图像块上聚类的时间开销较大,以及该超分辨率算法使用较少近邻图像块进行超分辨率重建导致重建高分辨率帧缺乏高频细节的问题。本文主要进行以下两个方面的研究。(1)为了解决上述视频超分辨率算法使用K均值聚类算法进行图像块聚类的时间开销较大的问题。本文设计了一种基于二分K均值的图像块聚类算法,用以实现快速构建高低分辨率图像块训练样本库。(2)依据待重建低分辨率图像块和其近邻图像块在流形结构上的较好局部结构相似性,本文算法在视频超分辨率重建过程中引入最近特征线思想,扩充近邻图像块样本库。针对最近特征线方法生成的投影点图像块与其所在特征线上的近邻图像块之间的相似度不高的问题,对最近特征线方法改进,使用简单的舍弃原则替换不合理的投影点图像块,选取特征线上和待重建图像块具有更好相似性的近邻图像块作为投影点图像块。本文通过改进的最近特征线方法扩充近邻图像块样本库,提升样本库的表达能力。再从样本库选取和待重建低分辨率图像块具有更高局部相似性的投影点图像块,重建出具有更丰富高频细节的高分辨率帧。本文算法对从网络上接收到的包含关键帧的低分辨率视频进行超分辨率重建,得到对应的高分辨率视频。实验结果表明,相比于基于图像块聚类和关键帧的视频超分辨率算法,本文算法对News视频第15帧重建所得高分辨率帧的PSNR提升了1.3db,本文算法重建每一帧的时间减少了275.9秒。本文算法在取得更好视频帧重建效果的同时,提升了重建高分辨率帧的时间效率,很大程度减少了视频在网络上传输的数据量,满足了实际应用的需求。