چکیده: افزایش تفکیک پذیری تصویر یک موضوع تحقیقاتی مهم در حوزه پردازش تصویر است. با توجه به محدودیت‌‌ها و هزینه‌‌های سیستم‌‌های تصویربرداری جهت ایجاد تصاویر با تفکیک پذیری بالا، در بسیاری از موارد یک سیستم تصویربرداری مقرون به صرفه مورد استفاده قرار گرفته و از تکنیک های پردازش سیگنال برای بهبود کیفیت تصویر اخذ شده استفاده می شود. این تکنیک ها، تحت عنوان افزایش تفکیک پذیری تصویر شناخته می شوند. تمرکز این رساله بر افزایش تفکیک پذیری تک تصویر خودیادگیرنده است. لذا بر خلاف بسیاری از روش ها نیاز به پایگاه داده ای از تصاویر تفکیک پذیری بالا و پائین متناظر برای یادگیری نیست. بجای آن با کاهش مکرر نرخ نمونه ها هرم تصویر ورودی ساخته شده و با افزایش نرخ نمونه ها و درونیابی در هرم ورودی، هرم وضوح پایین تصویر ساخته می‌شود. تصاویر سطوح مختلف این هرم ها به عنوان مجموعه تصاویر آموزشی با تفکیک پذیری بالا و پایین شناخته می شوند. برای یادگیری رابطه تصاویر وضوح پایین و وضوح بالا از رگرسیون بردار پشتیبان استفاده نموده ایم. ویژگی های بکار رفته برای توصیف وصله های تصویر در این مدل سازی ضرایب بازنمایی تنک و گرادیان مرتبه اول و مرتبه دوم روشنایی می‌باشند. در روش اول پیشنهادی در این رساله، برای افزایش تفکیک پذیری تصویر از اطلاعات همسایگی هر پیکسل که در مراحل قبل بازسازی شده است استفاده می شود. این روش برای تخمین روشنایی پیکسل ها در نواحی یکنواخت مناسب است. درنظر گرفتن اطلاعات همسایگی برای پیکسل های قرار گرفته در نواحی غیریکنواخت موجب از بین رفتن جزییات تصویر بازسازی شده می‌گردد. برای رفع این مشکل، در روش دوم ارائه شده پیکسل های نواحی یکنواخت و غیریکنواخت تفکیک می‌گردند. از طرف دیگر، با عنایت به ماهیت متفاوت پیکسل های لبه و غیرلبه، برای تخمین روشنایی پیکسل ها در هر یک از این دو گروه الگوریتم های مجزایی ارائه می‌گردد. در روش سوم پیشنهادی استفاده از اطلاعات همسایگی بهمراه خوشه بندی وصله ها قبل از شروع فاز آموزش مورد توجه قرار گرفته است. برای سازگاری بهتر روش با محتوای تصویر، در روش چهارم ابتدا تصویر ناحیه بندی شده و سپس به ازای هر ناحیه مدل جداگانه ای آموزش داده می شود. در یک راهکار دیگر برای ساماندهی وصله‌‌ها قبل از شروع فرایند آموزش استفاده از الگوریتم‌‌ خوشه‌‌بندی زیر فضای تنک(روش پنجم) پیشنهاد می گردد. در نهایت، روش های پیشنهادی این رساله با روش های موجود و مطرح در زمینه افزایش تفکیک پذیری تصویر مورد مقایسه قرار گرفت. براساس نتایج، در اغلب موارد، روش پیشنهادی براساس ناحیه بندی تصویر (روش چهارم)، بهترین عملکرد را در مقایسه با سایر روش ها در رابطه با ضریب افزایش 2 و 3، نویز گوسین و نویز نمک و فلفل داشته است. از لحاظ زمان اجرا، روش پیشنهادی مبتنی بر اطلاعات بازسازی شده قبلی با تفکیک پیکسل ها در نواحی یکنواخت و غیریکنواخت (روش دوم) ، سریع ترین روش در بین روش های پیشنهادی است.