近年来随着各种数码产品的兴起，带动了高清显示技术、数码相机和互动图像应用的发展，从而使图像处理技术的研究成为当今IT领域中的热点，同时，随着互动高清显示技术相关研究项目的提出、实施，对图像处理提出了更多的实际要求，需要对图像的结构特征进行深入的分析。本文旨在对单幅图像进行处理，对图像超分辨率重建和图像修复展开研究，致力于对图像边缘细节的保护。论文的主要创新点如下:　　 1.提出了一种基于学习的单幅图像超分辨率重建算法，分析并提出了一种描述图像结构特征的局部几何相似性模型，通过此种模型描述，无需显式检测图像边缘位置、方向等特征信息，从而可以从原始低分辨率图像中获得局部信息，指导进行高分辨率图像的重建，并能对图像进行任意倍放大，此方法在数字医疗中得到应用，应用结果表明本方法对于医学图像的细节特征能有效地重建。　　 2.提出了一种基于插值的图像放大方法。此方法将局部几何相似性模型进行简化，从而无需进行优化求解，通过梅花插值格式构造边缘增强模型直接计算插值系数。实验表明本方法也能得到优良视觉效果的放大图像，同时又加快了计算速度。　　 3.将稀疏信号表示优化理论引入局部几何相似性模型，建立局部几何相似性的稀疏表示，即稀疏几何相似性模型，从而能够无需借助其它外部训练图像信息，而只依赖于原始图像本身，融合图像自身的全局与局部结构信息估计重建系数。实验表明，本方法能够改善高分辨率图像中图像边缘、纹理等细节特征的重建效果。　　 4.提出了一种基于各向异性反向投影的超分辨率重建方法，它从迭代反向投影的角度，通过局部自适应控制反馈残差的反向投影，使边缘信息在迭代过程中得到有效地保护，使全局和局部结构信息达到有效地融合，从而进一步增强放大图像的质量。　　 5.将局部几何相似性模型应用于图像修复，提出了一种基于局部几何相似性学习的图像修复方法，并通过分组步进行进法针对每一层未知数据，层层填补未知区域，使用图像的局部几何特征信息来恢复，实验结果显示，本方法能够有效填补未知区域信息。　　 综上所述，本文以图像的结构自适应重建为主线，对单幅图像超分辨率重建和图像修复方法进行了探索，本文的研究成果为交互式数字家庭的实现提供了良好的方案，在高清显示应用和数字电视画质增强等应用方面具有好的应用前景。