在图像图像处理领域,超分辨率重构一直都是难度很大且极富挑战性的研究课题。随着互联网的高速发展,手机、Pad和电脑等显示设备的屏幕不断增大,人们对图像的分辨率要求越来越高。以增加拍摄设备感光器件面积来获得更高分辨率的图像的解决方案因成本过高,且受制于器件工艺的发展,而不可能被广泛采用。因此大量的科研人员从事于从低分辨率图像重构高分辨率图像的算法研究,试图在图像显示端用软件实现图像尺寸的放大,从而规避拍摄设备发展的制约因素。图像的超分辨率重构算法依据参考图像的数量可分为基于多幅低分辨率参考图像的重构与基于单幅低分辨率参考图像的重构两种,其中基于单幅低分辨率参考图像的超分辨率重构算法的难度更大,应用范围更广。本课题从小波域入手提出了一种基于单幅低分辨率参考图像的超分辨率重构算法,获得了较理想的重构质量。本文首先分析对比了常见的超分辨率图像重建技术的基本理论与各种算法的优缺点。接着,根据小波变换在图像的稀疏性表示的优势,详细分析了在小波域进行的超分辨率图像重建原理,对比了两种小波域重建超分辨图像的算法框架:边缘指导型和边缘修正型,并在边缘修正型重构框架下提出了一种融合了稀疏插值和小波变换的基于稀疏插值的小波域边缘修正型超分辨率图像重建算法。实验仿真结果证明该算法计算复杂度低,图像重构质量较原始算法框架好。最后,针对小波变换在图像处理技术领域的不足,即小波分析变换会在图像轮廓的表示上产生大量幅值较大的系数,本文深入地研究了Directionlet理论,用实验对比了Directionlet变换相对小波变换的优势。最后将Directionlet系数与隐马尔科夫树(HMT)模型结合,提出了一种基于Directionlet域HMT模型的超分辨率图像重建算法。该方法在性能上和计算复杂度上达到了预期效果,重构图像质量较基于稀疏插值的小波域边缘修正型超分辨图像重构算法和原始边缘修正型超分辨重构算法有较大提高。