2) 1984年，Tsai和Huang[22]第一次给出了基于多幅低分辨率图像（图像序列）超分辨率重建的概念及方法，在频域中，以傅里叶变换的位移性质为基础框架，利用多幅图像由于亚像素位移产生的互补信息，获取高分辨率图像。随后，部分学者将噪声及光学模糊问题考虑进来，对这一方法进行了相应的改进。1989年，Stark和Oskoui[43]将凸集投影法（POCS）运用在图像超分辨率中。

3) 由于空域法拥有应用范围广、可扩展性强等多种优点，因此，在之后的时期中产生了许多基于空域的经典图像超分辨率方法，并得到了迅速的发展。Irani和Peleg[12]在1991研究了迭代反投影法（IBP）；1992年，Ur和Gross[44]提出了非均匀插值法；Tom和Katsaggelos[45]在1994年研究了如何在图像超分辨率技术中使用最大似然法；最大后验估计法在1996年被Schultz和Stevenson[46]用于图像超分辨率。

4) 1999年，在频域领域，Rhee和Kang[47]研究了把离散余弦变换（DFT）应用到图像超分辨率中；Elad和Feuer[48]基于空域提出了自适应滤波法，他们还曾在1997年提出了混合最大后验概率估计\凸集投影法（MAP\POCS）；Nguyen和Milanfar[49]在2000年研究了基于小波变换的图像超分辨率方法。论文网在基于重建的图像超分辨率中，目前已经提出的绝大多数方法都是在这些经典的超分辨率重建算法上进行进一步的研究改进后得出的。

5) 近些年来，基于学习的图像超分辨率方法逐渐成为热门的研究课题，按照技术分类，又可以进一步细化为基于分类，基于重构和基于回归的方式。2000 年，卡耐基—梅隆实验室的Baker等[1]提出了基于学习的超分辨率这一概念和方法，特别地，在针对人脸图像时，Baker S [5]还在同年提出了“人脸幻想”(Hallucinating Faces)的相关概念和方法；2001年，基于多尺度自动回归类比的算法被多伦多大学的Hertzmann 等[2]提出，应用在图像超分辨率中；2002年，基于例子的算法被麻省理工学院的Freeman[3]等人提出；2003年，Christopher[4]提出有关视频增强的超分辨率算法；随后，清华大学的Liu[6]于2001年提出了一个两级化、改进了的“人脸幻想”方法，即建立了全局参数模型及局部非参数模型；2005年，基于特征变换的“人脸幻想”方法被香港中文大学的Wang[7]等人提出。2005年，基于可控金字塔“人脸幻想”的超分辨率方法被浙江大学的Su[8]等人提出。