圖像超分辨率一直是底層視覺(jué)領(lǐng)域的研究熱點(diǎn)?，F(xiàn)有基于卷積神經(jīng)網(wǎng)絡(luò)的方法直接利用傳統(tǒng)網(wǎng)絡(luò)模型，未對(duì)圖像超分辨率屬于回歸問(wèn)題這一本質(zhì)進(jìn)行優(yōu)化，其網(wǎng)絡(luò)學(xué)習(xí)能力較弱，訓(xùn)練時(shí)間較長(zhǎng)，重建圖像的質(zhì)量仍有提升空間．針對(duì)這些問(wèn)題，本文提出了基于深度反卷積神經(jīng)網(wǎng)絡(luò)的圖像超分辨率算法，該算法利用反卷積層對(duì)低分辨率圖像進(jìn)行上采樣處理，再經(jīng)深度映射消除由反卷積層造成的噪聲和偽影現(xiàn)象，使用殘差學(xué)習(xí)降低網(wǎng)絡(luò)復(fù)雜度，同時(shí)避免了因網(wǎng)絡(luò)過(guò)深導(dǎo)致的網(wǎng)絡(luò)退化問(wèn)題．在Set5、Set14等測(cè)試集中。本文算法的PSNR、SSIM、IFC三項(xiàng)評(píng)價(jià)指標(biāo)皆優(yōu)于FSRCNN。重建圖像的視覺(jué)效果同樣驗(yàn)證了本文算法出色的性能。