本文提出了一种基于多核回归的单图像超分辨率新方法。 该方法侧重于学习高分辨率图像块的空间与模糊高分辨率图像块的空间之间的映射,这是从对应的低分辨率图像生成的插值结果。 基于内核回归的超分辨率方法是有前途的,但是内核选择是一个关键问题。 为了避免对内核选择的需求和耗时的交叉验证,我们提出了用于图像超分辨率(SR)的多内核回归(MKR)模型。 考虑到训练数据量较大时禁止使用多核回归模型,我们进一步提出了一种原型MKR算法,可以减少计算复杂度。 大量的实验结果表明,与其他超分辨率方法相比,我们的方法是有效的,并且可以获得高质量的性能。