随着科技和生活水平的不断提高,我们拥有了更多的成像产品。图像和多媒体成为了极其重要的信息传递媒介。但是在图像的成像、存储等一些处理中,无论是由于外部的光照环境,还是成像设备本身固有的缺陷,获取到的图像很多时候质量达不到要求。这类图像丢失了很多细节信息,为了能够恢复这些信息,获取更高分辨率的图像。一般有两种方法:一、通过改善成像设备的质量,但是硬件质量的提升成本很高,而且目前技术也有较大的局限性;二、寻求硬件之外的软件方法,也就是图像超分辨率重建技术。图像超分辨率重建技术近些年来成为了学者们研究的热点,而基于稀疏表示的图像超分辨率重建技术更是得到学者们青睐。基于稀疏表示的图像超分辨率重建技术一般都只关注于字典的构建和更新,很少有人关注到在字典构建时所需用到的训练图像高频边缘特征对字典训练的影响。同时利用基于稀疏表示的图像超分辨率技术重建后的图像在一些边缘纹理细节上还能有较大的改进。基于以上两个不足,本文主要做了一下以下的工作:一、提出基于改进的高斯拉普拉斯特征提取和稀疏表示的图像超分辨率重建方法。该方法是基于稀疏表示的图像超分辨技术的框架,主要内容是以下几个方面:1.图像训练集只需要高分辨率图像,低分辨率的图像训练集由高分辨率图像模糊和降质得来;2.引入了一种高斯拉普拉斯模板对图像进行有效的去噪和边缘纹理特征的提取;3.采用提取的边缘高频特征进行高低分辨率过完备字典的训练;4.对低分辨率的测试集图像进行重建。二、提出了基于方向特征的非局部均值的图像超分辨率重建方法。主要思路的来源就是观察到图像中有很多相似的方向纹理特征。比如一个叶片边缘的走向,衣服纹路等等,图像的方向信息无处不在,而且经过第一步重建后的图像在纹理细节上还是有待提高的。利用曲波变换提取图像的方向特征信息,然后融合了非局部均值算法,对图像进行更精细的重建。实验表明,经过重建后的图像,无论是在峰值信噪比、结构相似性等客观的评价指标,还是在视觉细节上,都取得了不错的结果。