超分辨重建是一种有效提高图像分辨率的信号处理技术。该技术能有效克服成像设备固有分辨率的不足，突破成像环境的限制，在不改变现有成像系统的前提下，能以最低的成本获取高于成像系统物理分辨率的高质量图像。针对超分辨重建面临的挑战性问题，本项目基于层次化超分辨重建策略，从图像结构正则化先验设计、自相似冗余信息学习和实例学习方法与重构方法层次化集成等方面，对基于实例学习和基于重构的单帧图像超分辨重建方法进行了深入系统的研究，取得了如下三个方面的主要科学发现：

1.建立了融合图像非局部自相似特性与局部结构规则的图像结构正则化学习框架，提出了一种基于非局部均值与可控核回归的单帧图像超分辨算法；提出了非局部均值学习相似性结构快速超分辨增强算法和基于非局部结构回归正则化质量增强算法，能显著提高超分辨重建图像的质量。

2.建立了由粗到精的基于实例学习和基于重构超分辨的集成框架，提出了实例学习和基于重构的单帧图像超分辨方法相结合的方法；发现基于结构正则化学习的重构方法能有效弥补实例学习方法存在的不足，提出了基于非局部相似性正则化增强的多尺度相似性学习超分辨算法；针对现有实例学习算法时间、空间存储量大的问题，提出了基于多线性映射的图像超分辨算法、基于稀疏高斯过程回归的超分辨算法和基于相似性约束的结构化回归超分辨算法；针对高质量超分辨图像应用要求，提出了组合相关邻域回归细节合成和基于非局部结构回归正则化质量增强的由粗到精的高质量超分辨算法。

3.研究了降低模型复杂性和提高重建性能的高斯过程回归超分辨图像重建方法，分别提出了基于非局部高斯过程回归的单帧图像超分辨方法、基于主动采样与高斯过程回归的单帧图像超分辨方法和基于稀疏高斯过程回归的单帧图像超分辨。本项目提出的高斯过程回归超分辨图像重建方法能有效缓解传统高斯过程回归模型存在的高复杂度问题，能在保持较高重建精度的同时提升重建效率。

核心论文发表在计算机学科领域的一流国际期刊与会议，包括《IEEE Trans》4篇, 中科院JCR 一区论文2篇，二区论文11篇，顶级国际会议CVPR 1篇。15篇核心论文Google Scholar 引用300余次，单篇SCI引用次数47次，单篇最高Google Scholar引用103次，累计SCI他引138次。上述工作得到了10多个国家/地区，其中包括10余位IEEE/ACM/IAPR Fellow 等国际同行的高度认可。本项目获得了国家自然科学基金面上项目、中国博士后基金特别资助项目、中国博士后基金一等资助项目和湖北省自然科学基金项目的资助；第一完成人的博士学位论文"基于广义稀疏表示的超分辨重建方法"获得西安电子科技大学2014年度优秀博士论文，获得2018年度ACM中国西安分会"新星奖"，获2019年度陕西省电子学会科学技术奖"一等奖"，获批2019年度国家自然科学基金面上项目"基于分治策略与增量字典学习的图像超分辨重建方法研究（61971339）"立项。