在当今社会中,图像是人类日常工作生活中最为重要的传达信息的载体之一。随着科技的发展和时代的进步,人们对图像质量的要求也越来越高。目前在很多应用领域中,例如医疗、交通、航空等领域,对图像质量都有非常高的要求。高质量图像在内容上包含了许多细节信息,所以提升图像分辨率已经成为了当前的研究热点之一。在一些应用场合,由于体积以及成本等原因,通过改善硬件来获取高质量图像的研究在技术层面已经达到瓶颈,所以从软件的途径,对图像进行超分辨率处理的技术需求更为迫切。图像超分辨率处理一直是国内外研究的热点,但对于任意倍增比的超分辨率研究,仍然鲜见相应成果。在高倍增比下,图像清晰度变得较低,肉眼已难以识别图像的内容,随着技术的进步,机器视觉已开始识别清晰度不高的图像,面向任意倍增比的超分辨率技术研究已显得日益重要。本文针对图像处理在全尺度任意倍增比中提出了阈值自适应方法及测度,其主要研究成果如下:(1)将现有图像处理算法按照不同标准进行归纳与分类,对现有四种不同原理的经典算法进行阐述与研究,并且进行相对应的仿真实验,随后比较与分析这四种算法的实验结果。(2)针对基于学习的超分重建算法,首先介绍了两种字典训练方法SVD以及K-SVD算法,并且在此基础上提出CK-SVD算法,通过选定合适的阈值,与相邻原子之间的绝对内积进行比较,删除字典中利用率很少的原子,只留下其中一个核心原子,并且用表示最少的信号原子来替换图像块中其他原子。这样可以很大程度上减少整个训练过程中计算的复杂度,减少其图像处理的时间。进一步地,将CK-SVD算法与处理效果最好的ANR算法相结合,提出了ANR-time算法,实验表明该算法在低倍增比和高倍增比范围中,相比于其他算法在运行时间上有了很大的改进。(3)在图像倍增比框架下,本文对五种经典算法进行了多种倍增比的图像处理,并且分析了两种经典的图像处理机制。根据相关的实验结果,为了提高图像在任意倍增比下的处理性能,本文提出了全尺度的概念,为后续算法的提出夯实了理论基础。(4)针对全尺度任意倍增比的图像处理,本文提出了基于全尺度质量总和的倍增比自适应重建(SAR)方法。所提方法首先针对图像重建算法的选取,提出了优先权准则,根据对样本处理结果,采用该准则选择较优的几种算法,并将这些选取好的算法直接应用于整个图像集中;进一步提出全尺度峰值信噪比之和Q值,计算出Q值在任意倍增比的斜率γ,通过比较其斜率γ的大小来确定其阈值q的范围;最后提出基于二值模式之和(SBP)准则,计算样本子集中不同图像在不同阈值q下的SBP(q,i,n)值并且比较其大小,最后确定最终的切换阈值q。对本文提出的SAR算法进行实验仿真,在全尺度任意倍增比范围内采用相同的图像集,实验结果显示:本文所提算法适用性广,并且在整个倍增比范围内都取得了最优的质量。