图像超分辨率重建是一种在不改变现有成像设备的前提下利用处理算法提高图像分辨率的技术,它能够利用有价值的先验信息估计出细节丰富的高分辨率图像。由于图像超分辨率重建本身不适定,因此常用方法存在重建结果不唯一、抑制噪声能力弱的问题,造成重建图像的边缘区域模糊不清以及出现伪高频信息。压缩感知作为一种新型的采样理论,可以利用较低的采样率对稀疏或者可压缩的信号(如自然界中的大部分图像)进行采样,并且从采集到的少量测量数据中高概率、精确地重建出原始信号,从而降低算法对成像设备的要求,为求解图像超分辨率重建问题进而设计超分辨率成像系统带来了新的思路和方法。鉴于此,本文将工作重点放在了对基于压缩感知的图像超分辨率重建方法研究上,围绕单帧图像的超分辨率重建算法、实际压缩成像系统设计以及克服衍射极限方法展开,目的在于提高图像的分辨率,主要内容包括:1)提出了一种基于冗余字典的单帧图像超分辨率重建算法。该算法在字典学习阶段利用K-SVD算法从训练样本集中生成冗余字典,替代标准正交稀疏基作为先验知识,增加了图像在变换基上的稀疏度,有效地解决图像质量退化模型和压缩采样模型的不兼容问题。在此基础上结合压缩感知重建算法提高输入图像的分辨率,解决图像超分辨率重建的不适定问题。实验结果表明,该算法的重建精度高,而且重建图像的峰值信噪比和结构相似度也高。2)针对基于冗余字典重建算法原子利用率低和适应差的问题,提出了一种基于聚类子字典的单帧图像超分辨率重建算法。在字典学习过程中,该算法利用基于高斯混合模型的聚类方法对经过筛选处理的图像块进行分类,然后利用主成分分析从每一类图像块集合中生成相应的子字典,这样不仅提高了原子利用率和适应性,还加快了字典学习速度。和基于冗余字典的重建算法相比,该算法引入调整核回归模型和非局部均值滤波模型作为重建过程的正则约束项,既保证算法具备更强的抑制噪声能力,又使得重建图像具有更锐利的边缘区域。3)提出了一种基于频域置乱哈达玛块的压缩成像技术。针对随机高斯、伯努利测量矩阵在实际压缩成像中存在结构复杂和硬件化困难的问题,该技术选用置乱哈达玛块矩阵作为实际测量矩阵,并且采用复振幅编码方案在纯相位型液晶空间光调制器上实现了此矩阵的感知操作,进而利用4F光学处理架构设计了实际的压缩成像系统。在目标的成像过程中,该技术首先利用迭代相位恢复算法恢复探测器平面的复振幅场分布:然后利用压缩感知重建算法估计目标的初始复振幅场分布,进而得到初始强度图像;最后利用聚类子字典和梯度直方图保持模型对初始图像进行降噪处理,提高了重建图像的边缘清晰度。4)为了克服衍射极限,实现目标的超分辨率成像,提出了一种基于二进制相位环形滤波器的压缩超分辨率成像技术。该技术首先利用约束斯特列尔比的优化方案设计了具备克服衍射极限能力的二进制相位环形滤波器;然后根据弱限定等距性质,将此滤波器和随机采样模板相结合对目标进行压缩采样;最后使用基于频域置乱哈达玛块压缩成像技术中的重建方法从采集到的测量数据中实现目标的超分辨率成像。实验结果表明,该技术不仅能提升成像系统的分辨能力近1.243倍,还能利用样本总量25%的测量数据重建目标的高分辨率强度图像。