由于成像设备自身限制、数据压缩算法和传输错误等方面的原因,实际应用中能够得到的图像分辨率常常满足不了高清晰度的要求。为了解决这一问题,人们提出了序列图像的超分辨率算法,从多幅质量较差、分辨率较低的图像重构出单幅质量更好、分辨率更高的图像。压缩视频的超分辨率算法由于还要受到视频压缩算法的影响,比一般序列图像的超分辨率算法更加复杂,在系统的建模和分析上有较大的差异。本文的目的是在分析视频压缩特点的基础上,研究适用于压缩视频的超分辨率算法。本文回顾了两种比较优秀的超分辨率算法:基于贝叶斯估计的MAP法、基于凸集投影理论的POCS法。本文借鉴了Gunturk的MAP法,将其应用于实际压缩视频的超分辨率重建,进行了以下工作:针对图像噪声建立准确的概率分布模型,这是超分辨率算法的必要条件。本文通过分析DCT变换和量化过程,采用了变换域噪声的均匀分布模型,用于估计空间域量化噪声的协方差矩阵,使得超分辨率重建过程更加符合压缩视频的实际。MAP法重构出的图像质量较高,但是会导致图像的过度平滑;POCS法重构出的图像比较锐利,但是不能够保证有唯一解。因此,本文使用了混合MAP-POCS算法来解决压缩视频的超分辨率重构问题,既能够保持图像的边界信息,也能够确保存在唯一解。针对视频