摘要：提出了一种基于内容的双字典学习和稀疏分解结合起来的算法。针对待复原图像内容间的差异性，将训练图像块采用聚类的方法得到多个分类式的字典，从中选择最合适的内容分类来进行图像的恢复，这样做使算法更具区分性，提升了图像的自适应能力。在此基础上，将高频信息分为主要高频和次要高频，并训练双重字典，结合稀疏表示的方法对图像进行重构，这比传统的基于字典学习的算法捕获了更多的图像高频信息，进一步提升了图像重构的质量。方法采用了K—SVD算法以提高稀疏字典编码的计算效率。与其他方法相比，该算法获得了更为精细的图像细节，在PSNR测试数据和主观视觉上都获得了理想的提升。

关键词：超分辨率 字典学习 稀疏表示 图像重构 

单位：哈尔滨理工大学计算机科学与技术学院 哈尔滨150080