图像的超分辨率技术,一方面直观提升了视觉效果,另一方面也能作为其他图像处理技术的预处理手段,例如图像检测、分类和识别。将超分辨率技术应用于视频处理、医学成像、遥感技术以及安全监控等领域,既能节约大量的资源,同时也能满足实际的工程需求。许多超分辨率算法被提出用以恢复高分辨率图像,进一步改善图像可视化以便于更好地分析图像。其中,总变分正则化(TV)方法已经被证明在保留图像边缘信息方面具有良好的效果。然而,这些基于总变分正则化的方法没有考虑到图像间的时间相关性。此外,现有的超分辨率算法忽视了图像的非局部信息处理。本文针对上述超分辨率算法存在的问题进行研究,主要工作如下:(1)针对基于总变分正则化的方法没有考虑到图像帧间的时间相关性且TV正则化项的空间和时间分量具有不同行为表现的问题,本文设计了一种新的TV正则化方法(TV2++),更好地利用图像的时间维信息,并使得TV正则项的空间和时间分量的约束惩罚的灵活性更好。另外,全局低秩正则化和总变分正则化的结合进一步增强了图像超分辨率的恢复效果。并且,本文应用非凸指数型罚函数(ETP)来替代矩阵的核范数约束,增强了低秩矩阵的恢复能力。本文提出了一种基于ETP范数和TV2++正则化的图像超分辨率算法。并运用交替方向乘子法(ADMM)有效地解决了算法优化问题。实验结果表明,该算法优于其他算法。(2)针对现有的超分辨率算法忽视了图像的非局部信息处理的问题,本文设计一种新的基于图像全局分段先验的非局部低秩先验(NLLRP)正则化方法,提出了一种基于TV和NLLRP正则化的新方法来重新构造超分辨率重建模型,该方法同时利用了局部和非局部风险最小化原理。此外,整个优化是在交替方向乘子法(ADMM)框架下进行的。大量实验表明,该方法优于几种最新算法。