超分辨率图像技术的主要目的是由提供的一幅或多幅同一场景(信息相似但细节不同)的低分辨率图像来重建高分辨率图像,它克服了图像获取过程中的限制性病态条件,并能获得较好视觉效果的图像内容。该技术广泛应用于遥感识别、高清电视、安全监控等诸多领域,是当前图像处理和计算机视觉领域中的研究热点之一。本文通过研究图像类推算法和目前主流的图像超分辨率算法,以图像边缘与图像细节在不同空间尺度中具有自相似性为基础,提出了基于图像类推的单幅图像超分辨率算法,并根据构建图像对方式的不同,将其划分成两类框架模型。在本文中,首先简要介绍了图像超分辨率的概念和研究背景。其次介绍了一些目前主流的图像超分辨率算法,并简要分析了这些算法的优缺点,以及用于评估超分辨率算法结果的客观评价标准。根据图像在空间尺度上具有局部结构的自相似性及可传递性特点,应用图像类推思想(Image analogy,简称IA),可以将图像的局部特性在不同尺度上进行传递,从而在超分辨率算法中为低分辨图像补充高分辨率的几何结构信息。在实现过程中,由单幅输入图像来构建相应的低分辨率和高分辨率图像对,寻找图像对之间的映射关系,将这些映射关系类推到原始输入的低分辨率图像来获取高分辨率图像。实验结果表明,基于图像类推的超分辨率方法有效地提高了放大图像的清晰程度,图像的边缘信息与图像局部细节保存较好,但是放大后图像中存在振铃现象(Ringing),这可能是由图像类推过程中配准定位不精确引起的,我们将进一步研究这个问题。