随着现代科技信息化水平的进一步提高,我们也终于迎来了一个崭新的信息化时代,图像作为一种简单直接的信息获取方式在众多领域中都有非常重要的应用。在图像的各种信息中分辨率代表了图像存储的信息量大小,分辨率越高,则图像越精细所包含的信息量也越大。但是现实生活中在成像设备及环境因素的影响下往往不能获得到高分辨率的图像,且如果通过硬件技术解决此类问题,往往具有较高的成本代价和较大的技术难关,因此图像的超分辨率重建方法作为能够有效提高图像分辨率的软件技术就应运而生了。目前,图像的超分辨率重建算法虽然已经取得了较好的研究成果,但是图像边缘的保持方面和对含噪图像的鲁棒性方面依然是重建技术的关键性问题。因此本文将利用图像的非局部自相似性这一重要的图像先验知识为研究主线,从图像边缘的方向性和相似块的匹配等方面展开研究,取得以下成果:(1)为了可以较好地保留边缘的方向特征以及抑制边缘伪影,考虑到图像具有多方向的这一特征信息,本文提出了一种基于图像方向特征的重建算法。算法是基于总变分和非局部均值正则项的超分辨率重建框架,但是总变分算法不能较好的保持边缘的方向特征,非局部均值方法没有考虑到图像块的局部几何结构,所以本文提出的算法首先利用可以多方向分解图像的Directionlet提取方向特征图像,然后依据方向总变分可以在垂直和水平方向上较好地保留边缘地特性,将提取到的方向特征旋转至水平和垂直方向构造改进的方向总变分来实现边缘方向特征的保持。接下来在非局部均值方法中的相似权重估计的时候加入每个像素点的方向特征进行估计,可以有效地提高相似块的匹配精度。算法将图像的方向特征加入正则约束,可以有效地保留图像的几何结构相关信息并且也可以较好抑制边缘伪影。(2)为了提高基于梯度轮廓的重建算法对含噪图像的鲁棒性,首先对低分辨率噪声图像利用BM3D算法进行滤波处理,然后再进行重建的算法。并且基于BM3D算法在块匹配阶段搜索区域不够灵活不能较好地利用图像局部结构的相似性的特点,提出采用区域内部像素具有较高相似度的超像素区域进行搜索的改进方法。算法首先利用SLIC算法对图像进行分割,接下来在BM3D算法的块匹配阶段利用超像素作为搜索框进行搜索,利用得到的三维矩阵完成对含噪图像的滤波操作。接下来再采用去噪后的图像作为重建的输入图像,利用可以较好地增强边缘细节信息的基于梯度轮廓的算法进行重建。经过主观视觉和客观分析的评价方法证明,该算法可以较好地改善噪声图像的重建效果并且对图像的边缘也有很好地保持。