针对灰度图像的超分辨率重建算法。为了让训练字典更加合理、更具针对随着科学技术飞速发展,当今社会已经进入一个信息化时代。图像被广泛地应用于信息的交流与传递,图像已经成为人类社会活动中最常用的信息载体之一。如何有效提高图像的分辨率提高图像质量成为人们的迫切需要,图像超分辨率重建技术成为视觉图像处理领域的一个重要话题。近年来,稀疏表示和压缩感知等技术不断的完善,使得基于稀疏表示的图像超分辨率重建算法迅速发展。本文详细阐述了图像超分辨率重建算法的研究现状,总结了算法的理论基础。本文主要针对灰度图像基于稀疏表示的超分辨率重建算法展开研究,主要工作包括:1.为了解决一般的通用的超分辨率重建的方法对灰度图像的重建效果不够理想导致对其识别困难的现状,本文提出了一种性,将灰度图像进行分类处理,对每一类的灰度图像训练一种特定的字典。融合聚类算法训练字典,使得生成的字典更适用于不同类型的灰度图像。2.目前常用的L1正则模型求出的解不够稀疏,稀疏表示系数的精度还可以进一步的提高。本文采用L1/2范数代替传统算法L1范数构建超分辨率重建模型。利用半阈值迭代算法与加速近似梯度算法相结合的理论来求解L1/2正则化问题,并建立超分辨率重建模型。将L1/2正则化理论运用到图像重建中,实验结果表明该算法的图像重建结果优于L1正则化的超分辨率重建算法。