图像超分辨率一直是底层视觉领域的研究热点，现有基于卷积神经网络的方法直接利用传统网络模型，未对图像超分辨率属于回归问题这一本质进行优化，其网络学习能力较弱，训练时间较长，重建图像的质量仍有提升空间.针对这些问题，提出了基于深度反卷积神经网络的图像超分辨率算法，该算法利用反卷积层对低分辨率图像进行上采样处理，再经深度映射消除由反卷积层造成的噪声和伪影现象，使用残差学习降低网络复杂度，同时避免了因网络过深导致的网络退化问题.在Set 5、Set 14等测试集中，所提算法的PSNR、SSIM、IFC这3项评价指标都优于FSRCNN，重建图像的视觉效果同样验证了该算法出色的性能.