图像作为我们日常生活中一种最为常见的信息载体,在生成的过程中受外界因素影响,使得最终获得的图像质量往往无法满足人们的要求,或多或少的对人们的生活产生了影响。因此,提高图像的清晰度就成为了许多研究者的主要研究工作。图像超分辨率的技术由此产生,并在医学图像处理,卫星图像,视频监控等方面得到了很大的应用。图像超分辨率重建的目的是提高图像质量。对于图像超分辨率的手段可分为硬件的方式和软件的方式。通过提高硬件技术来生成高分辨率图像成本太高,因此实际而有效的方法是通过软件算法的方式来获取高分辨率图像。近年来随着人工智能的快速发展,人们的生活和工作方式都与以前有了很大的改变,正式进入人工智能时代。它在图像处理方面的应用也非常广泛,涉及到的主要技术有机器学习与神经网络等。本文的主要工作如下:(1)在对图像超分辨率进行实验时,与以前的卷积神经网络算法进行对比。本文首先改进了图像重建过程中特征提取的方法,减少了特征提取时的信息丢失。使用三层卷积对图像进行处理,同时,引入池化层,减少卷积层输出的特征向量,降低维度,提高训练效率,加深网络层次有助于学习图像数据更本质的表达。通过一系列的对比试验,来验证改进算法的效果,并针对网络参数进行网络性能分析,最后使用两个重要的客观评价标准峰值信噪比和结构相似性来评价重建后的图像质量。试验结果表明,改进后的算法重建出的图像在主观感受和客观评价标准上都取得了良好的效果。(2)对于图像超分辨率重建系统,提出在WEB端搭建图像超分辨率重建的系统并实现该功能。在windows平台上,利用django开发环境和pythonGUI(Tkinter)图形用户界面设计并搭建系统的前端页面,使用SQLserver数据库完成系统的后台数据库的设计与实现。本文将系统应用到视频监控当中,便于工作人员通过监控迅速查找可疑人员和车辆或其他物品。