多视角视频庞大的数据量限制了它的应用。混合分辨率压缩虽然降低了多视角视频的数据量，却造成视频质量的降低。因此，在视频接收端，需要使用超分辨算法提升多混合分辨率视频低分辨视角的视频质量。多视角混合分辨率视频的超分辨算法借助高分辨图像当中的高频信息，来提高低分辨图像的质量，可以分为高频信息提取和高频信息融合两个阶段。高频信息提取阶段从混合分辨率视频的高分辨视角提取高频信息，该阶段包括视角投影、坐标检验和投影图像生成等基本操作；而高频信息融合阶段对来源于不同视角的高分辨信息进行组合，以形成低分辨视角的高频信息。　　按照所依赖空间的不同，超分辨技术可以分为变换域方法和空间域方法。空间域方法直接对图像像素点进行处理；而变换域方法先计算图像块的变换域系数，然后对该系数进行处理，最后再将处理后的系数进行逆变换以得到复原的图像块。当前的变换域方法大多只利用了多视角视频的空间冗余性，没有充分利用其时间冗余性。而在空间域，充分利用图像的局部特性和非局部特性可以提升超分辨算法的性能。因此，本文从这两个角度出发，分别提出了两种不同的超分辨算法。　　首先，本文对变换域的（即离散余弦变换域）超分辨技术进行了改进。本文所提的变换域算法同时利用了多视角视频的空间冗余和时间冗余。为了融合从不同帧和视角得到的高频信息，本文设计了基于图像相关性的全局权重和基于图像块均方误差的局部权重。　　其次，本文提出了一种基于核回归和非局部均值的空间域超分辨方法。核回归假设图像的局部连续性。本文将该算法应用于投影图像生成操作，将由视角投影得到的非整数像素点进行插值，从而得到整数像素点。而非局部均值算法假设图像的非局部自相似性，本文将该算法用于高频信息融合。该方法一方面可以有效缓解视角投影造成的空洞和裂隙；另一方面在相似性比较的过程中又可以去掉不相似像素点，保证所恢复的高频信息的准确性。本文对所提出的两种方法进行了比较，发现本文所提的空间域超分辨方法优于变换域超分辨方法。此外，本文将空间域算法与其它方法进行了比较，结果表明本文的空间域算法具有最好的重建性能。