摘要：目前,基于深度神经网络的方法是图像超分辨(Super Resolution, SR)研究的主流,该方法利用大样本端到端地训练一个低分辨图像至高分辨图像的映射.SR研究主要采用像素损失来约束以上训练过程,但会使得图像趋向平滑.引入生成对抗网络能够恢复出逼真的纹理细节,但重建的超分辨图像却存在一定程度的结构畸变.这都可以归结为底层特征失真问题.对此,提出一种特征保真的超分辨网络,该网络包含超分辨重建分支和特征保真分支.一方面,通过特征保真分支恢复高分辨率图像的底层特征,为SR过程提供额外的约束;另一方面,为消除不同分支间的域差异,设计通道调制系数实现特征信息的有效传递.特征保真分支能够一定程度上缓解重构图像的特征失真问题.实验结果表明,与目前主流的SR方法相比,本文方法以较少的参数量,能够获得较好的重构效果.