随着半导体技术的发展,市面上出现了越来越多支持超高清分辨率的播放设备,很多移动设备也开始支持2K甚至4K的分辨率。但是相应的采集设备价格昂贵,储存、传输超高分辨率资源也给硬件系统和带宽带来了沉重的负担,这些因素导致市场上缺少足够的超高清图像和视频数据源。超分辨技术在低成本下使用软件方法来提高图像和视频的分辨率,能够很好的解决上述问题。本文主要研究了基于映射与回归的超分辨算法的关键技术,然后在GPU上对超分辨算法进行了实时实现。本文的工作包括:(1)首先研究了基于边缘方向(EO)的超插值算法(SI),SI算法虽然使用了边缘的幅度特征和方向特征对图像块进行分类,但是边缘幅度只用于辅助分类,对边缘方向的划分也很粗糙。针对以上问题,本文结合EO和K均值聚类提出了对SI算法的改进,改进后的方法能够更有效地利用边缘的幅度和方向信息。通过仿真验证,改进算法拥有不错的表现,并且在重建质量和运行速度上取得了不错的平衡。(2)深入研究了基于局部线性映射与回归的超分辨算法(GLM-SI),在算法的线性映射阶段引入了局部回归,提出了新的具有两层回归的算法:DRLM-SI算法。改进的算法利用knn求得多个局部候选图像,并通过局部回归得到全局候选图像。该算法进一步提升了高低分辨图像块之间映射的非线性关系,通过仿真验证,DRLM-SI算法能够进一步提高重建图像的质量。(3)对GPU并行编程技术进行了研究和介绍,并分析了GPU和CUDA平台的优势。利用GPU平台高并行的特点,对超分辨算法进行了实现。本文通过快速双三次插值以及快速最近邻查找等算法对关键模块的运行速度进行了优化,并且对GPU内存、线程等资源进行了合理的分配和利用,实现了视频的实时超分辨。