但是在现实中数字图像的运用之中，要得到高分辨率并不是一件十分容易的事情。比如噪声、模糊和变形等因素会使得图像在获取过程中或多或少地影响到图像分辨率。模糊可分为光学模糊和运动模糊。光学模糊是指在获取图像的过程中，由于光学系统的像差、光学成像的衍射、成像系统的的非线性畸变、记录介质的非线性、成像过程的相对运动、环境随机噪声等影响，会使观测图像和真实图像之间不可避免的存在偏差和失真[1]。运动模糊是指，因为在摄像时相机和被摄景物之间有相对运动而造成的图像模糊[2]。在成像和存储等过程中，会因为不同的原因，引入会干扰图像质量的因素，这些因素都会降低图像分辨率，令得图像效果变差。此外，数字化采集过程也存在着类似问题。这一过程并不能做到很完美，也会使获取的图像产生或多或少的形变，从而影响了图像的分辨率。在视频压缩领域，该类问题也是很普遍的。自 1970 年以来,CCD(Charge Coupled Device)和 CMOS(Complementary  Metal  Oxide  Semiconductor)传感器件被大规模使用于数字图像获取,使成像分辨率得到了很大的提高。不过总体来说，从硬件角度提高分辨率并非万能之策，亦非长久之计，我们要考虑是否有其他更好的方法。
因此，一个新型的方法也就应运而生了,就是超分辨率的方法。这种方法是采用信号处理技术从单帧或者多帧低分辨率图像中重新构建出高分辨率图像。超分辨率技术在最近受到了越来越多的关注。其过程可以分为重建和复原过程。
超分辨率重建技术应用领域主要有：(1)卫星成像：遥测、遥感、军事侦察等技术；(2)生物医学成像：核磁共振成像等；(3)视频监控(4)视频增强和复原：旧版本电影的重新制作等；(5)显微成像(6)视频格式的转换。
1.3  研究现状
1.4 文章内容安排
  全文分四章，内容安排如下：
  第一章：绪论。介绍图像超分辨率研究的前景和现状，并对文章的章节安排作了整体说明。
  第二章：高低分辨率字典的训练和图像超分辨率重建。本章节是本文的核心内容，介绍本    文所使用的算法和创新内容，详细介绍了字典的训练和稀疏编码两个部分。
  第三章：实验分析。详细介绍本文涉及到的算法实验，实验的每一步都做数据分析以及图像视觉效果对比。
  第四章：总结与展望。对本文实现的算法进行总结，并结合本文应用的算法和实现的结果，分析以及预测基于学习的图像的超分辨率算法的发展趋势。 配合视频降分辨率转码的超分辨率技术研究(3):http://www.youerw.com/tongxin/lunwen_18885.html