空间分辨率是指一幅数字图像的像素密度。分辨率越高,则图像中包含的细节就越多。获取高分辨率图像主要有两种途径:一种是从硬件方面,改进传感器的制造技术;另一种是从软件方面,利用信号处理的方法对低分辨率图像进行超分辨率重建。硬件方面,高精密光学仪器和传感器的价格并不适用于普通的商用,且传感器中像素尺寸的缩小是有限的。因此,利用信号处理的方法来提高分辨率已得到广泛关注。本文对超分辨率重建进行了研究,提出了一种新的超分辨率重建算法及其快速算法,实验结果显示我们所提算法能够提高重建图像的主观感受和客观评价,主要做了以下几个方面的工作:1.研究了迭代反向投影算法(IBP),此算法是经典的超分辨率重建方法,计算复杂度低,能够满足实时应用。实验分析了IBP算法的问题和不足,提出将自然图像的非局部相似特性用于图像超分辨率重建,该算法能够有效去除IBP重建图像的人造效应;2.研究了双边滤波和非局部均值算法。为了强化图像边缘,对初始内插图像进行双边滤波预处理。在后处理步骤中,我们利用自然图像的非局部相似特性对低分辨率图像进行学习,将获得的相似结构像素之间的关系修正IBP的重建图像;3.为了克服所提算法计算复杂度较高的缺点,达到实时应用的目标,我们设计了相应的快速算法,从以下三个方面进行改进:1)像素分类。按重建像素坐标的奇偶性质进行分类,在支持窗口内,具有相同类别的像素共享相同的运动矢量信息;2)自适应阈值的边缘检测。所提算法主要改善图像边缘,因此可只对图像边缘区域进行处理。提出一种基于自适应阈值的判断图像边缘的检测方法;3)PCA数据降维。块匹配过程中需要对高维数据进行运算,计算复杂度较高,且高维数据含有很高的冗余,可利用PCA技术将高维数据转换到低维空间,这样能够提高算法的执行速度。