超分辨率图像重建是计算机视觉领域的一个典型逆问题,在现实世界中有着广泛的应用。随着数字图像与视频的日益流行,超分辨率获得了越来越多研究者的关注。特别地,在很多场合需要提高单帧图像的分辨率,此时无法应用传统的多帧超分辨率技术。单帧超分辨率是一个病态程度很高的逆问题,这一问题的解决需要有效的图像先验信息作为补充。近来,基于范例的超分辨率利用两个不同分辨率下同时出现的图像块的对应关系,在图像重建质量上带来了突破性的性能提升。然而,从低分辨率到高分辨率的范例匹配准确性仍然受到很大限制。本文提出了三种提高超分辨率中范例使用有效性的方法。第一,通过预滤波插值与稀疏先验去模糊相结合的特征增强,减小了高、低分辨率特征空间的内在维度差,从而提高了特征匹配的准确性;第二,利用软信息和软判决发掘从低分辨率到高分辨率一对多的映射关系,通过在Tanner图上传递明确的参数分布,提高了范例训练与范例学习的灵活性和可靠性;第三,针对广泛存在于网络环境下的压缩图像与视频,结合自适应正则化与范例匹配,设计了一种具有鲁棒性的超分辨率方案,在提高分辨率的同时能够提高重建图像与视频的视觉质量。本文在不同内容的测试图像(视频)上,给出了充分的实验结果验证上述三种方法的性能。与已有的各种超分辨率方法对比可知,本文提出的方法同时提高了重建图像的客观与主观质量。