超分辨率重建是利用单幅或多幅带有亚像素位移的低分辨率图像借助图像模型和降质先验等进行超分辨率的重构进而得到高分辨率图像,并在众多的图像应用领域中扮演着重要的角色,如:遥感、军事、医学成像、公共安全等等。超分辨率重建在数学上是一个不适定的逆问题,对其研究一直没间断过。目前超分辨率的重建主要有基于插值、基于重构和基于学习三种方法。本文围绕基于图像自相似与回归学习映射关系的单幅图像超分辨率方法进行展开。本文主要研究内容与贡献包括:(1)提出一种利用图像块自相似性和对非线性映射拟合较好的支持向量回归模型的单幅超分辨率算法。该方法不使用外部图像训练库,而是通过建立图像金字塔得到训练库,并假设低分辨率相似块和其对应的高分辨率图像块的中心像素之间的映射关系相同,利用支持向量回归模型学习映射关系。最后对其进行了仿真实验及相关分析,并与几个经典超分辨率方法进行比较,实验结果表明本文设计的算法能够很好的实现图像的超分辨率重建,特别是对纹理结构相似度高的图像具有更好的重构效果。(2)针对支持向量回归在此方法中的不足之处又提出了一种基于直接稀疏核回归的单幅图像超分辨率方法,寻找“更优”的支持向量,使得相似块的权重分配更接近实际情况。实验结果显示超分辨率效果确实有所提升。