图像超分辨率重建技术实现由一帧或一序列具有微小差别的低分辨率图像估计一帧(或一序列)较高分辨率的图像，以克服因提高成像设备分辨率所带来的技术和成本压力。目前，该技术广泛应用于卫星图像、视频监控、医学成像等多个领域。本文首先对图像超分辨率重建技术的研究历史进行了回顾，详细介绍了目前图像超分辨率重建的各种主流算法，全面描述了超分辨率重建算法的模型构建和基本步骤。
　　在借鉴相关领域技术的基础上，展开了对图像进行超分辨率重建的算法研究。利用平移变换平移的思想进行多帧融合，研究了一种新的基于小波变换思想的多帧插值算法，该算法将CS的结构原理与多幅图像或视频帧内固有的运动矢量信息相结合，实现重建算法中的非线性插值与图像复原过程的结合。该算法克服了传统空间域非线性内插算法的局限性，适用于各个低分辨率退化模型不同及成像系统未知的情况，同时算法的复杂性低，计算量小，具有较高的实用性。为了改善超分辨率重建图像的效果，提出了一种新的基于小波-Contourlet变换的图像插值算法，能够有效避免重建图像边缘和轮廓的扭曲，提高图像目标边界的规律性。针对单幅图像的超分辨率问题，本文利用Contourlet变换系数的曲线奇异性稀疏表示特点和空间方向树结构，研究并实现了基于学习的图像分辨率增强算法。
　　对提出的算法进行了仿真实验，并与类似算法对比，试验结果表明，算法能够有效提高重建图像的分辨率，达到了很好的重建效果和较高的性噪比。