图像是日常生活与生产实践中应用最广泛的信息载体之一。随着科学研究和生产技术的发展,人们对高分辨率图像的需求日益增长。但是,由于成像系统以及成像环境等因素的影响,有时很难获取高分辨率的图像。鉴于目前通过硬件方案提升分辨率存在技术上的瓶颈,基于信号处理的图像超分辨率重建技术应运而生。该技术是在不改变现有成像设备的前提下,采用信号处理的方法重建成像系统截至频率之外的图像信息,从而获得高于成像系统分辨率的图像。目前超分辨率重建技术广泛应用于遥感、医疗、社会公共安全等领域,受到国内外学者的广泛研究。近年来,基于学习的超分辨率重建方法由于能够重建出更高质量的图像细节而成为研究的热点,其中邻域嵌入算法由于能够在少量样本的情况下对图像较高质量的重建而得到广泛的关注。本文着重研究基于邻域嵌入的图像超分辨率重建算法,从邻域样本的选择、特征的提取、样本库的训练、邻域关系的估计以及图像的统计特性、图像的非局部相似性、图像块的结构特征等方面深入研究自然图像和人脸图像的重建,主要研究成果为:(1)针对传统邻域嵌入的自然图像超分辨率重建算法无法保证图像全局统计特性的问题,提出了一种带有全局约束的邻域嵌入超分辨率重建算法。该算法将高分辨率图像看成是由全局约束的全局图像以及局部约束的残差图像合并得到的,主要包含两个过程:首先利用邻域嵌入超分辨率重建算法估计残差图像,然后对初始高分辨率图像加入全局约束:非局部相似性约束和专家场约束。在一定程度上克服了传统邻域嵌入超分辨率重建算法由于图像块表示能力有限而缺失全局约束的不足,同时也去除了重建图像中的一些非正常纹理部分,提升了重建图像的质量。(2)为了解决自然图像邻域嵌入超分辨率重建中邻域数目选择这一关键问题,提出了一种自适应邻域选取的邻域嵌入超分辨率重建算法。首先,对样本库进行测试:对测试图像进行重建,并记录在不同的邻域数目时重建图像的质量;其次,根据测试图像的重建情况,自适应的选择目标低分辨图像块重建所需要的邻域数目;最后,结合对应邻域数目对目标低分辨率图像进行重建。这样可以根据样本库的实际情况自适应地选择邻域数目并进行重建,避免了固定邻域数目的局限性,进一步提升了重建图像的主客观质量。(3)针对人脸图像邻域嵌入超分辨率重建中低分辨率图像块与高分辨率图像块的邻域关系不能总保持一致的问题,提出了一种基于局部视觉基元共轭约束的人脸超分辨率重建算法。该算法首先对低分辨率人脸图像块样本库进行训练,得到局部视觉基元,并利用局部视觉基元对人脸图像块进行分类;然后在每一类人脸图像块上通过联合学习的方法构造低分辨率人脸图像块和高分辨率人脸图像块的联合特征子空间;最后在联合子空间中进行邻域的选择和低分辨率与高分辨率图像块之间映射关系的估计,并重建图像。在特征提取时,考虑到人脸图像的结构特性,采用2D-PCA投影的方法计算人脸图像块的特征,这样可以更好的保护人脸图像的局部结构信息。(4)考虑到人脸图像邻域嵌入超分辨率重建中负数权重对重建质量的不利影响,提出了一种基于2D-PCA特征描述的非负权重邻域嵌入的人脸超分辨率重建算法。该算法对权重加入非负约束,并利用凸优化理论进行化简,并将最优权重的求解问题转化为交替最小二乘问题,最后利用非负矩阵分解的方法求解权重。所提算法可有效提高权重的稳定性,减少过拟合效应,提高重建人脸图像的主客观质量。综上所述,本文在深入研究基于邻域嵌入的图像超分辨率重建算法的基础上,针对其不足之处,并充分利用自然图像的统计特性、非局部相似性、人脸图像的结构特点,提出了两种新的自然图像的超分辨率重建方法和两种新的人脸图像的超分辨率重建算法。有效地克服了现有算法存在的不足,提高了重建的质量。