针对现有算法中字典训练花费的时间非常大，且超分辨率图像重建效果不够理想等问题，提出一种改进型字典学习的超分辨率图像重建算法。该算法在字典训练阶段，先采用PCA对低频样本集进行降维，再单独训练出低频字典，然后利用稀疏表示系数集和高频图像样本集训练出对应的高频字典，从而提高了字典构建速度。在重建阶段，先利用字典重建出初始的高分辨率图像，再根据图像结构自相似的特征，对图像进行结构自相似优化，然后对图像进行全局优化，从而提高了重建图像的质量。实验结果表明，本文方法无论是在客观评价指标还是主观视觉效果方面

针对图像质量数据库的主观评价方法存在失真等级少,缺少实验结果分析等问题,提出一种大样本图像质量主观评价方法。该方法基于双激励连续质量量表进行设计,使用简化的2级主观评价尺度评价,通过循环积分、最优选择和顺序调整获得样本图像的质量排序,并基于模糊聚类分析的思想将获得的图像次序的概率视为匹配程度,建立样本的模糊相似矩阵。通过指标规格化,建立模糊相似关系、等价关系以及分类、评分等步骤,最终确定图像质量得分。64级失真图像质量主观评价实验结果表明,图像质量得分能够准确反映可察觉差异的变化,主观评价结果的