摘要：两步自适应字典学习的超分辨率算法易受插值图像影响而导致图像模糊。针对该问题,提出一种改进交叉分辨率自适应字典学习算法。根据自然图像的冗余性,即不同分辨率图像依然有相似的图像块,直接以低分辨率图像作为字典学习对象。为了弥补单帧图像作为字典学习的不足,采用镜像图像进行字典学习,以产生容量更大的字典。输入低分辨率图像,利用新的字典通过稀疏表示获得高分辨率图像,采用峰值信噪比（PSNR）和结构相似性度量（SSIM）评估重建效果。实验结果表明,与立方插值、SUSR、MSS、HLSR算法相比,提出算法的重建图像纹理保留得最好,图像效果更加丰富自然,且算法运行速度较快,在多数情况下具有最高的PSNR值和SSIM值。