图像超分辨率重建技术采用数字信号处理的方法,有效降低高分辨率图像获取过程中的各方面成本,因此具有巨大的商业和实际应用价值。目前超分辨率重建技术已经被广泛的应用于安全监控、医疗成像、雷达成像、模式识别和地质勘探等领域。压缩感知理论的提出,为图像重建技术的研究提供了新的思路,极大的缓解了数字信号在数据采样、数据传输和存储过程中受到的的巨大压力。本文结合该理论,主要探究该理论框架下的单幅图像的重建方法。文章首先对图像超分辨率重建的基本概念及其发展现状进行了简明的介绍,给出了图像重建的算法模型,然后对现有的单幅图像重建算法进行了研究分析,接着简要介绍了压缩感知理论和稀疏表示方法,并就基于稀疏表示和联合字典的单幅图像超分辨率重建进行了理论探究与算法仿真,最后基于该理论与方法在样本采集和字典训练的过程中提出了一种样本集构造的改进方法——去相似方法,并将去相似方法与多字典的构建与使用结合起来,给出了一种改进的多字典方法。实验表明,本文提出的去相似方法能够有效的缩减联合字典的训练时间,并且通过本文方法训练出的字典提升了结构异性,一定程度的提高了重建图像的质量,而改进的多字典方法在保证重建图像质量的前提下有效的提高了字典训练的效率,并缩短了图像重建的时间。