在人类生产生活中,图像作为传递信息的载体之一正凸显重要的位置,一张质量高的图像往往能提供更多的场景信息。但由于硬件水平本身的局限性还有外在条件的影响,我们不能直接获得高分辨率图像,因此,从软件方面着手,使图像呈现高分辨率状态是非常有意义的。图像超分辨率技术就是利用软件的方式将低分辨率图像恢复成高分辨率图像的过程。近年来,流行的超分辨率算法都是基于学习的算法,而在这些方法之中,基于稀疏表示的图像超分辨率算法取得了很好的效果,唯一美中不足的是,整个重建过程需要耗费大量的时间。针对此缺陷,本文在经典的基于稀疏编码的算法上做出了改进,提出了本文的算法,即基于预测稀疏编码的图像超分辨率重建算法。本文设计了两个预测模型,分别是线性预测模型和非线性预测模型,并且分别为这两个模型设计了模型优化算法和字典训练算法。训练时,本文在经典的基于稀疏表示方法目标函数基础上添加了编码预测项,并且使用交替优化的方法来优化该目标函数。测试时,本文利用训练得出的模型和低分辨率输入直接预测出高分辨率输出,无需再求解稀疏表示问题。实验结果表明,与经典的基于稀疏编码的单幅图像超分辨率算法相比,本文算法在不降低视觉重建效果的前提下,大大缩短了实验时间。本文还将并行思想融入到图像的超分辨率过程当中,利用计算机多核的优势,通过MATLAB多核并行处理机制快速训练字典。