磁共振（MR）成像被广泛用于疾病诊断。 硬件成像受到分辨率的限制，并且高的辐射强度和磁性时间会伤害人体。 基于软件的图像超分辨率技术有望解决该问题，特别是通过基于稀疏重构的图像超分辨率具有良好的优异性能。 字典生成是影响超分辨率算法性能的关键问题，因为在字典生成过程中没有考虑潜在的区分性信息。 针对此问题，我们提出了针对MR稀疏超分辨率重建的训练样本优化字典学习算法。 提出了一种基于灰度一致性和梯度联合分集的字典表示方法，以选择最佳的图像进行字典训练。 在基于稀疏重建的MR成像框架下评估字典训练