稀疏表示作为近年来比较常用的图像表示模型，利用过完备字典中原子的线性组合来实现图像的稀疏表示。由于字典的过完备性，可以利用很少量的非零系数捕获到图像的主要信息和内在几何结构，并且它不受仿射变换的影响，对噪声与误差更加鲁棒。超分辨率图像重构是图像处理中一类典型的病态逆问题，而解决该类问题的有效方法就是引入适当的正则项。本文围绕图像稀疏表示理论中过完备字典的构造、过完备稀疏正则化在超分辨率图像重构中的应用以及非局部自相似作为先验信息等几个方面进行了系统和深入的研究，主要工作和创新点包括：1)对稀疏表示理论和超分辨率图像重构的基本概念、数学模型及其应用进行分析研究。2)针对过完备稀疏表示中冗余字典的构造问题，从人眼视觉特性出发，在K-SVD算法的基础上，研究以结构相似为信息保真度的冗余字典构造模型，设计更加适用于特征保留的字典，保证字典的性能的同时，减少字典的冗余性。3)针对稀疏表示的超分辨率图像重构，利用基于结构相似的过完备字典对图像进行稀疏表示，提高图像的边缘、轮廓、纹理等局部几何结构的重构效果。4)在基于结构字典学习的超分辨率图像重构的方法上引入非局部自相似作为先验知识，进一步提高图像重构的质量。