图像是人类获取外界信息的主要来源,随着计算机技术的飞速发展,人们对图像的质量提出了更高的要求。由于传感器昂贵的成本和其成像单元的物理限制,图像超分辨率技术应运而生。它能在不改变图像探测系统的前提下获得较高分辨率的图像,并具有成本低的优点,因此受到广泛关注,并被应用于天文、医学、军事等重要领域。本文首先介绍了课题的研究背景,评述了图像超分辨率技术的发展。然后,提出了一种基于向量量化与分形思想的图像高频信息学习算法,它通过将图像分解为高频信息图像与低频信息图像,利用类似分形的思想和向量量化的方法对高频信息与低频信息的对应关系进行学习,为基于学习的图像超分辨率方法提供了一种思路。针对插值方法的高频信息失真导致图像细节与轮廓模糊、纹理保持较差的问题,本文提出了一种基于向量量化与插值的超分辨率算法,根据输入图像中的高频信息与低频信息的对应关系,对插值算法产生的高分辨率图像补充高频信息,使输出图像包含更丰富的细节。实验结果显示该算法在客观评价和主观评价上都比传统插值方法有更好的效果。最后,本文设计并实现了一个基于向量量化的图像超分辨率原型系统。该系统能使用本文方法和传统的插值算法对测试图像进行超分辨率处理。利用该系统对输出的高分辨率图像进行了评价与比较。