随着人们生活水平的提高和图像处理应用的需要,人们对图像分辨率的要求越来越高。但是从硬件上提高获得图像的分辨率,不仅成本高,风险也大,不利于实际应用推广。图像超分辨率技术是一种基于信号处理方法获得较高分辨率图像的技术,近年来成为了图像处理领域热点研究方向。它以单幅或多幅低分辨率图像为输入,通过信号处理技术生成一幅高分辨率图像,在视频、遥感、医学和军事等领域都有重要应用。最近,基于学习的图像超分辨率技术更是热门话题。本文全面回顾和评述了超分辨率重建技术的概念和经典算法,接着重点介绍了基于稀疏表示的超分辨率重建算法。一般超分辨率算法针对的都是灰度图像,本文考虑灰度图像与彩色图像的差异,重点研究了基于稀疏表示的彩色图像的超分辨率算法,并引入了一种快速有效的字典构造方法,大大缩短了字典训练时间,针对以往迭代算法中正则化参数都采用常数,提出自适应的正则化参数,实现图像自适应超分辨率重建,最后分别对一些纹理简单以及纹理复杂的图像做了仿真,都取得了良好的效果,实验结果证明了其有效性。对于含噪图像的超分辨重建,传统的超分辨率算法一般将其分为两个独立的步骤：首先去噪,然后进行超分辨率重建。本文将噪声模型加入到超分辨算法中,实现了去噪和超分辨率重建同时进行,采用图像自适应超分辨率重建,使得重建图像效果更好。实验结果表明,本文提出的方法可以重建出高分辨率的图像,重建出的图像不管从主观视觉还是从峰值信噪比等方面都有了显著的提高。