随着科学技术的发展，各个领域对图像的分辨率提出了更高的要求，以利于图像的分析、理解和识别；然而，在现有的硬件条件下，又很难获得期望的高分辨率图像或者图像序列，所以兴起了一门新的数字图像处理技术——数字图像超分辨重建；图像超分辨重建技术主要是利用同一场景的多帧图像或者单帧图像来重建一幅高分辨率图像，因此，研究数字图像超分辨重建技术有着重要的理论意义和实际应用价值。本文首先综述了图像超分辨重建技术的研究背景以及国内外研究情况，并总结了主要的超分辨方法的优缺点，针对其中的一些问题，本文利用图像自相似性、结构稀疏思想、机器学习方法、低秩表示以及非局部思想对现有的方法进行了改进，主要工作为：（1）提出了基于低秩矩阵分解和自相似性的图像超分辨重建方法，针对图像自身的相似性以及信息的冗余性，引入SIFT特征，提高查找相似块的精度；接着通过低秩矩阵分解，使得各个相似块之间的结构信息可以相互补充，从而达到对高分辨率图像的细节信息估计更加准确的目的，并在一定程度上提高重建图像的质量。（2）提出了一种基于自相似性和结构信息约束的图像超分辨重建方法，该方法主要在求解图像块稀疏表示系数时引入结构信息约束，基于前面查找相似块的工作，可以利用图像块的一系列相似块来约束其稀疏表示系数的求解；在得到多个重建结果后，引入低秩表示来计算相似度权值，并结合低分辨率下相似度权值来修正高分辨率下的相似度权值，进而更好地重建高分辨图像；低秩表示对图像的结构信息有一定地恢复和保持作用，故而经过其修正后的权值，可以更好地恢复出图像的结构信息，使得重建的图像边缘更加清晰。（3）提出了基于联合稀疏约束的统一特征空间图像超分辨重建方法，本方法首先介绍了联合学习的思想，以及学习高分辨图像和低分辨图像各自的投影矩阵；接着在字典训练过程中引入联合稀疏约束，可以有效的保证相似的图像块在训练得到的字典下所得到的稀疏表示系数也是比较相似的；这样结合前面的投影矩阵处理过的样本，可以有效地恢复图像的结构信息，使得重建的图像边缘更加清晰。本人的工作得到了国家自然科学基金（编号：60703109，60972148）以及中央高校基础研究基金（编号：K50510020023，JY10000902043）的资助。