近年来,随着医学影像技术的快速发展,超声成像、电子计算机断层扫描成像、磁共振成像等多种成像技术已成为临床辅助诊断的重要手段。然而,在医学成像采集过程中,受放射剂量、采集时间、硬件设备、病人运动等因素的限制,使得医学图像质量下降。因此提高医学图像分辨率,获得高质量的医学图像对提高临床诊断的准确性具有重要的意义。本论文针对现有图像超分辨率重建算法的不足,分别针对不同类别的医学图像,研究其超分辨率重建算法,具体的创新工作如下:(1)提出了基于全变分和改进非局部全变分正则化的医学图像的超分辨率重建方法。该方法结合高斯、拉普拉斯和柯西分布改进了传统的非局部变分正则项,并结合了全变分正则项保持图像边缘的优势,克服了传统正则项的缺点,实现了医学灰度图像的准确重建。(2)为了解决基于正则的超分辨率重建算法对先验假设敏感的问题,提出一种基于卷积神经网络的医学图像超分辨率重建方法。不仅实现了医学灰度图像的超分辨率准确重建,还可以保证重建图像后处理得到的临床参数指标图像的准确性。(3)为了解决卷积神经网络超分辨率重建方法对数据和模型的依赖问题,提出了基于互相似性的医学图像的超分辨率重建方法。该方法利用多幅医学图像在不同尺度上的互相似性,通过改进的块搜索算法学习低分辨率图像和高分辨率图像之间的对应关系,进而实现超分辨率图像重建。在不需要外部数据的情况下,可达到与深度学习重建同样甚至更好的效果。