随着手持式摄影设备的迅速发展和普及,图像和视频的获取越来越方便。与此同时,用户对于图像的画面质量要求日渐提高。低分辨率视频在高分辨率屏幕下清晰播放,就需要采用信号处理的方法来提高视频图像的分辨率。视频超分辨率技术可广泛应用于网络视频、数字电视和公共安全等领域。论文阐述了超分辨率技术的研究背景和研究意义,归纳总结了多帧图像、视频和单帧超分辨率技术的研究现状,并介绍了低分辨率视频序列的观测模型和高分辨率视频序列的重建模型。根据参考帧类型和数量的不同,论文分别研究了基于帧内冗余信息的单帧超分辨率技术和基于帧间冗余信息的视频序列超分辨率技术。论文提出了基于自相似特性的单帧码本的改进方法。采用基于自相似特性的单帧码本的码本建立方法,把当前低分辨率图像下采样2倍的图像进行处理后加入码本。在相似块搜索时得到多个低频候选像素块。根据相似程度得到权值,把对应的高频像素块加权求和后得到最终的高频块。把高频分量加到对应的线性插值图像上,得到初始的估计图像。最后对该估计图像进行基于亮度的全变分正则项处理。实验表明,提出的改进方法可以增加细节信息量,且减小搜索范围,正则项的处理使得边缘更加清晰。论文提出了基于分层帧间预测的运动估计和梯度正则项结合的视频超分辨率算法。对当前低分辨率参考帧进行预测和分层的运动估计,通过上采样和下采样2倍得到三层金字塔分层图像。上一层的运动矢量作为下一层的运动矢量搜索起点。每一层采用自适应阈值的块匹配方法。通过与周围运动矢量的方向和强度差异对运动矢量场进行错误矢量校正。根据运动矢量场得到运动补偿像素块,重建视频帧时采用最大后验概率(MAP)中的梯度全变分正则化方法。仿真实验显示,提出的视频超分辨率算法可以提高分辨率,有效减少边缘振荡。