在大多数超分辨率重建算法中，假定在相同的流形空间中获得高分辨率和低分辨率的图像。 但是，由于分散注意力，此假设不适用于实际应用。 提出了一种新颖的人脸图像超分辨率重建算法。 为了考虑高分辨率和低分辨率图像的多种不一致性，在字典训练阶段引入了一种映射函数，该函数揭示了高分辨率和低分辨率图像的系数之间的关系。 在图像重建阶段，可以通过输入低分辨率图像稀疏系数的映射函数来计算高分辨率图像的稀疏系数。 为了消除初始高分辨率图像图像边缘的不规则性，基于人脸图像的自相似特性提出了一种优化过程。 实验结果表明，该算法在PSNR和SSIM上均具有较好的性能。
