提高图像的分辨率一直都是图像处理领域一个重要的课题,由于成像系统及工艺的限制,从硬件方面提高图像分辨率难度大且成本高,所以通过软件算法的方法能够实现图像的超分辨率重建具有重要意义。图像的超分辨率(Super Resolution, SR)技术研究的是通过同一场景下一幅或者多幅低分辨率图像重建一幅清晰的高分辨率图像,即重建那些由于诸多因素导致图像在获取过程中丢失的信息。目前,图像超分辨重建技术已有多种研究方法。首先,基于稀疏理论的方法已广泛应用于图像的压缩、分割、恢复和去噪等方面；其次,压缩感知理论研究表明自然图像具有稀疏性,使得利用稀疏理论的方法实现图像超分辨率成为了可能。近年来,国内外基于稀疏理论的图像超分辨重建算法已发表大量文章,所以本文依据稀疏理论来实现图像超分辨重建技术的研究是非常有必要的。本文重点对稀疏理论、字典学习和图像卡通纹理分解算法进行深入研究和分析,并提出改进的超分辨率算法使得重建的图像在主观视觉和峰值信噪比上均有提高。本文主要的研究内容有：1.详细地介绍了图像超分辨技术的研究背景和现实意义,目前国内外的研究现状以及现在图像超分辨率技术面临的问题和新的解决方案；2.系统地阐述了稀疏理论,稀疏优化算法和稀疏理论的应用。介绍了经典的稀疏表示的超分辨率算法的模型,字典学习和图像重建等重要步骤。在该模型的基础上,提出了通过单字典学习快速重建高分辨率图像的一种算法。提高了重建图像的效率,降低了字典学习的计算复杂度。3.结合图像卡通-纹理分解算法,提出了基于卡通纹理分解和稀疏表示的图像超分辨算法,最后实验证明本文提出的算法取得了较好的超分性能。