随着通信与信息技术的不断发展,数字图像和视频的应用越来越广泛。然而由于成像设备的缺陷、恶劣天气、光照不足等因素的影响,经常会使得到的图像存在分辨率不足、带有噪声等问题,这将影响到图像的视觉效果和有效信息的提取。故对带噪图像超分辨的研究将变得越发必要。本文基于SI算法的示例学习模型,首先提出了基于纹理特征的超分辨算法,该算法利用图像的纹理特征对图像块进行聚类,并通过与SI(Super Interpolation)算法类似的线下训练和线上重建来完成整个超分辨的过程,此算法与SI算法相比得到了更好的超分辨效果。之后提出了基于差异曲率的降噪算法过程,差异曲率特征能够区分出含噪图像的平滑点区域、噪点区域及边缘点区域。利用此特征对图像块进行聚类,再通过同样的线下训练与线上重建实现了基于示例学习的降噪算法,此算法单独使用效果略差,但与基于纹理特征的超分辨算法结合使用,却能够得到较好的带噪图像超分辨的效果。基于此最后提出了一种新型降噪超分辨的插值结构将两种算法结合为一体,实现了对带噪图像的超分辨。对所提出的带噪图像的超分辨算法进行了Modelsim仿真,并对算法各个模块的实现过程进行了具体的分析说明。然后通过对带噪图像超分辨算法的硬件仿真结果与软件实现结果的比较,验证了硬件仿真的准确性。设计了一个小型高清相机系统。从对数据的处理方面对相机系统的进行了整体介绍。由于所提出的带噪图像超分辨算法的降噪过程要分别作用于YUV三个通道,会耗费大量的硬件资源,对小型的硬件系统并不友好。提出了基于Bayer模板双边滤波算法,并对其进行了实现。为了得到更好的成像效果,提出了改进型直方图均衡扩展算法的实现。最后基于该系统实现了640×360@50Hz的视频分辨率提升,产生1280x720@50Hz的超分辨视频图像。