随着数字化多媒体技术的迅速发展,视频和图像等主要媒体形式得到了很快的普及与增长,图像作为其中最重要的传递视觉信息的方式,是人们获取信息的一个主要来源。高分辨率图像对比低分辨率图像包含了更多的关于目标场景的细节信息,对于医学、遥感、侦查、气象等各个图像的应用和分析场景起了非常关键的作用。因此,如何提高图像的分辨率受到越来越多人的关注。由于图像在获取过程中往往受到成像设备的物理条件、光照环境等的限制,所得图像的分辨率常常难以满足人们的视觉期望或实际应用的要求。如果采用改善硬件设备的方式来得到高分辨率图像,不仅存在技术上的瓶颈,而且价格高昂,实践性差。在这样的需求背景下,采用软件算法来提高图像的分辨率就成为了另一个克服这些限制的可行措施。本文针对单帧图像的超分辨率重建任务,研究了基于多字典学习的图像超分辨率重建的算法,开展了以下几个方面的研究工作:(1)研究了本文的课题研究背景及意义,介绍了图像超分辨率技术的发展和现状,对压缩感知等相关领域进行了概述,重点阐述了稀疏表示的基本内容,综述了基于学习的单帧图像超分辨率技术的研究进展并分析了存在的问题。(2)针对基于学习的超分辨率的重建效果很大程度上依赖于训练样本集且通用广适的单字典难以构建的情况,提出一种基于多字典学习的框架,针对每一组特定类别的训练样本集,结合K奇异值分解算法训练得到特定类别的分类字典,使得每一个字典对于该类别的共性的特征具有更好的表现性能,从而也使得基于多字典学习的图像处理应用能够更加准确的编码和表示图像内容。(3)以多字典的学习为基础,提出了一种基于多字典学习的图像超分辨率算法,根据待处理的图像判断所属的分类,选择对应的特定分类字典,通过求解优化问题得到图像的稀疏表示系数,结合分类的多字典重建出高分辨率图像,最终获得超分辨率图像。实验结果表明本文提出的基于多字典学习的图像超分辨率算法能够有效地重建出高分辨图像的细节并获得更高的峰值信噪比。