超分辨率成像（Super-resolution imaging，縮寫SR），是一種提高影片分辨率的技術。在一些稱為“光學SR”的超分辨率成像技術中，系統的衍射極限被超越；而在其他所謂的“幾何超分辨率成像”中，數位感光元件的分辨率因而提高。超分辨率成像技術用于一般圖像處理和超高分辨率顯微鏡。

在2000年以來，小波變換的技術被使用在提高影像的分辨率。

DASR (Demirel-Anbarjafari Super Resolution)是使用離散小波變換（Discrete wavelet transform）來進行超分辨率成像的方法。當時，超分辨率成像通常是以內插影像的像素值來完成，而作者認為，對影像中的高頻部分進行內插是造成品質降低的主要理由，因為內插高頻部分讓物體的邊界變得模糊且平滑，于是提出使用離散小波變換的算法來減輕這個問題。

影像可以表示成二維的訊號，經過二維的離散小波變換，可以被分解成四個不同頻段的影像，分別是：low-low (LL)、low-high (LH)、high-low (HL) 和 high-high (HH)，各自代表在不同維度是高頻或低頻，舉例來說，LH就是在原影像的xxx維(x軸)是低頻而在第二維(y軸)是高頻的分解后結果。

將原影像分解為LL、 LH、 HL和HH后，DASR會對高頻段的三張影像LH,、HL和HH分別做內插，以產生高分辨率的LH、 HL和HH。這是由于作者認為，將不同的高頻影像各自做內插，能夠避免彼此干擾，進而保留更多的高頻資訊。DASR不會內插LL，而是內插原圖來當作高分辨率的LL，因為原圖比LL含有更多資訊。取得四張高分辨率的LL、LH、 HL和HH后，DASR將四張影像經過逆離散小波變換(Inversed discrete wavelet transform)，來生成最終的成像結果。

DASR當時在 Lena、Elaine、Pepper和Baboon上取得State-of-the-art的結果，并超越傳統使用內插和其它使用離散小波變換的方法。

隨著神經網絡的流行，相關技術也被應用在提高圖片分辨率。

SRCNN ( Super-resolution convolution neural network )是一個神經網絡，輸入是一個低分辨率（視覺上）的圖像，而輸出是一個高分辨率的圖像，這里需要注意的是，在將圖像喂進神經網絡前，需要先經過一個預處理bicubic interpolation，將原始圖片變成跟想要的高分辨率圖像一樣大小后，再喂進神經網絡中。而神經網絡做的事情，主要分成三個步驟區塊特征抽取與表達（Patch extraction and representation）、非線性對應（non-linear mapping）以及重建（reconstruction）。

這個圖像轉移網絡由5個residual block所組成，而所有非residual的convolution layer后面都會接上batch normalization。激活函數（activation function）的部分，除了在最后的輸出層（output layer）使用scaled tanh使得輸出的數值在0到255之間，其他都是使用RELU。