图像作为记载信息的一个载体,在我们日常生活中扮演着不可或缺的角色。图像分辨率是一个图像所含细节信息及清晰度的一个指标。一张图像的分辨率高低决定了该图像的清晰度与图像中的细节。所以获得清晰及细节丰富的图像成为图像处理中重要的发展方向。由于获取图像的硬件以及其他一些外部因素的影响,这对我们获取高分辨率图像产生了一定的干扰。为了降低我们获取高像素图像的硬件成本。我们使用软件对图像进行处理来获得清晰度高的图像,这就成为超分辨重建技术(SR)出现的条件之一。SR就是提升图像质量的一种软件方法,它经济有效的特点使它能在图像处理领域脱颖而出。本文研究的主要工作如下:1)系统阐述了超分辨率技术的背景意义。同时对图像质量主客观评价标准进行详细的介绍。简单地介绍超分辨率重建技术发展至今出现的几种算法,同时总结它们各自存在的缺点。2)详细介绍了卷积神经网络的基本原理、网络组成部分以及网络的训练过程。介绍了 SRCNN算法和基于SRCNN算法的改进算法。3)本文提出了一种基于残差网络的超分辨重建算法。该改进算法是基于传统的SRCNN网络模型进行改进的,将残差网络加入到SRCNN三层模型中,增加了 SRCNN网络模型的深度,使其拥有对图像更好的重建效果。最后将改进算法进行实验分析,在实验结果中可以得到较好的重建效果。图[22]表[3]参[56]。