【摘要】本研究针对图像超分辨率重建问题，基于生成对抗网络（ｇｅｎｅｒａｔｉｖｅ ａｄｖｅｒｓａｒｉａｌ ｎｅｔｗｏｒｋｓ，ＧＡＮ）提出了一种优化方法，并利用ＤＩＶ２Ｋ数据集进行了实验验证。 首先，对ＧＡＮ的基本原理进行了深入研究，探讨了其在图像超分辨率重建中的应用。 其次，引入了自适应矩估计（ａｄａｐｔｉｖｅ ｍｏｍｅｎｔ ｅｓｔｉｍａｔｉｏｎ，Ａｄａｍ）方法对ＧＡＮ进行优化，通过结合动量和自适应学习率的机制，提高了模型的性能和稳定性。 最后，利用ＤＩＶ２Ｋ数据集进行了实验对优化前后的方法进行了比较。 实验结果表明，优化后的方法在均方误差（ｍｅａｎｓｑｕａｒｅｄ ｅｒｒｏｒ，ＭＳＥ）和结构相似性（ｓｔｒｕｃｔｕｒａｌ ｓｉｍｉｌａｒｉｔｙ ｉｎｄｅｘ，ＳＳＩＭ）等评价指标上均取得了显著的提高，证明了优化方法对提高图像质量和视觉感知效果的有效性。