自适应字典学习利用图像结构自相似性，将图像自身作为训练样本，通过字典学习使图像中的相似块在字典下具有稀疏表示形式。本文将全局字典学习中利用图像库获取附加信息的思想融入到自适应字典学习的过程中，提出了一种基于自适应多字典学习的单幅图像超分辨率算法，从低分辨率图像自身与图像库同时获取附加信息。该算法对低分辨率图像金字塔结构中的图像块进行聚类，在聚类结果的引导下将图像库中的图像块进行分类，利用各类中的样本分别构建针对各类的多个字典，从而确定表达重建图像块的最优字典。实验表明，与ScSR、SISR、NLIBP、CSSS以及mSSIM等算法相比，本文算法具有更好的超分重建效果。