超分辨率重建通用方法中，图像分解后对应小波基只能有效稀疏表示单一成分，往往只侧重边缘成分而忽略了光滑成分等。针对这个问题，本文改进了一种基于压缩感知的声纳图像超分辨率重建算法。该算法基于三种不同稀疏字典小波变换模型，运用一种基于K-均值聚类算法的结构化字典训练法，并采用Newton-Raphson法进行迭代算法处理，实现声纳图像压缩感知的超分辨率重建。

超分辨率重建通用方法中，图像分解后对应小波基只能有效稀疏表示单一成分，往往只侧重边缘成分而忽略了光滑成分等。针对这个问题，本文改进了一种基于压缩感知的声纳图像超分辨率重建算法。该算法基于三种不同稀疏字典小波变换模型，运用一种基于K-均值聚类算法的结构化字典训练法，并采用Newton-Raphson法进行迭代算法处理，实现声纳图像压缩感知的超分辨率重建。最后通过仿真实验，验证了此种算法的可行性和有效性。实验结果表明，该算法获得的超分辨率图像能够很好地重建并保持原图像的特征，能高效地改善并提高重建质