1、隨著網(wǎng)絡、通信和數(shù)字技術的發(fā)展，能夠提供更多細節(jié)信息的高分辨率圖像逐漸成為人們的廣泛需求。圖像超分辨率重建技術是一種能增加圖像分辨率的后處理方法，因其不使用高成本的芯片和成像系統(tǒng)，而應用在眾多領域。基于插值的方法是一種實現(xiàn)最簡單的圖像超分辨率重建方法，但重建圖像易產(chǎn)生模糊?；趯W習的方法引入了訓練圖像中的高頻信息，能夠獲得比傳統(tǒng)方法更好的重建效果。根據(jù)近年發(fā)展起來的稀疏表示理論，圖像可以在某種字典下稀疏表示，因而稀疏表示在超分辨率圖像重

2、建中引起了廣泛的關注。
　　本文研究了稀疏表示在單幅圖像超分辨率重建中的應用。根據(jù)稀疏表示理論和單幅圖像超分辨率重建的反問題模型，本文的圖像重建方案是：先由低分辨率的輸入圖像塊求取稀疏表示系數(shù)，然后根據(jù)此系數(shù)生成對應的高分辨率圖像塊，最后由高分辨率塊重建出整幅圖像。
　　本文重點分析了求解稀疏表示系數(shù)的各類算法。稀疏表示算法對重建結果有著重要的影響。本文對典型的稀疏表示算法進行了詳細分析和說明，包括匹配追蹤（MP），正交匹配

3、追蹤（OMP），最小角度回歸（LARS）等。
　　本文針對一般稀疏表示算法獲得的解不精確的問題，在圖像超分辨率重建方案中引入了一種內點算法，并采用預處理共軛梯度的技術改進性能。該方法基于原始對偶內點法，并使用預處理共軛梯度計算搜索方向。仿真結果表明，本文方法比基于插值的Bicubic算法、基于學習的NE算法和其他稀疏表示算法有更好的視覺效果。本文方法比Bicubic最多降低均方根誤差（RMSE）1.1，比LARS算法最多降低RMS