高分辨率图像包含很多细节信息,这些信息有利于图像的诊断、分析以及进一步处理,在医学影像、视频监控、遥感成像等领域至关重要。图像超分辨率重建就是利用图像处理的方法从一幅或多幅同一场景的低分辨率图像中恢复出一幅高分辨率图像的技术,它能够在不改变原有系统硬件设备的情况下,快速、低成本的提高图像的分辨率,目前已经成为图像处理、计算机视觉、模式识别等领域的研究热点。本文主要围绕稀疏表示在图像超分辨率重建中的应用展开研究,对现有的基于稀疏表示的图像超分辨率重建方法进行改进,并将改进方法应用到医学图像超分辨率重建中。本文在传统的基于稀疏表示的图像超分辨率重建方法的基础上,对字典样本的选取和重建过程进行了改进,综合利用了通过自相似性产生的金字塔上层图像和图像库中的图像,使学习到的字典包含更多的高频信息;此外在重建的过程中,将金字塔的顶层图像作为初始估计来提高重建效果,同时利用图像的非局部结构自相似性将蕴含在相同尺度相似图像块中的信息作为正则化约束项加入到重建图像中,对重建结果进行约束和修正。用本文方法分别对自然图像和医学图像进行了多组实验,结果表明本文方法可以有效地提高图像超分辨率重建的效果。