针对红外云图分辨率低的问题, 提出一种基于耦合过完备字典的超分辨率方法。在分析红外云图成像退化模型的基础上, 建立了采用稀疏表示理论的超分辨率重构框架, 首先随机抽取大量高、低分辨率云图的图像块, 组成训练样本, 经过字典学习获取针对高、低分辨率云图块的两个字典Dh 和Dl, 为保证对应的高、低分辨率云图块关于各自的字典具有相似的稀疏表示, 提出一种耦合字典学习算法, 该算法改变了字典对的更新策略, 通过在每一步迭代中交替优化Dh 和Dl, 得到耦合的过完备字典对; 最后对输入的低分辨率红外云图, 采用最优正交匹配追踪算法(Optimized Orthogonal Matching Pursuit Algorithm, OOMP), 得到满足重构约束的高分辨率云图。实验结果表明, 本文方法与其他方法相比, 红外云图重构质量有较为明显的改善, 而且比同类方法具有更高的计算效率。