【摘要】本文针对图像超分辨重建领域，深入研究了超深超分辨率（ ｖｅｒｙ ｄｅｅｐ ｓｕｐｅｒ⁃ｒｅｓｏｌｕｔｉｏｎ，ＶＤＳＲ）模型的结构和原理，并利用ＢＳＤ１００数据集进行验证。 首先，探讨了图像超分辨重建技术的背景和意义，以及国内外研究现状。 其次，分析了ＶＤＳＲ模型的数学原理和工作过程，包括卷积操作、修正线性单元激活函数和残差学习机制等关键内容。 最后，在实验部分，使用Ｐｙｔｈｏｎ搭建实验环境，并通过ＢＳＤ１００数据集对ＶＤＳＲ模型进行测试。 实验结果表明，ＶＤＳＲ模型能够有效提高低分辨率图像的质量和清晰度，重建图像在纹理、边缘和细微结构等方面与高分辨率图像接近，验证了其在图像超分辨重建任务中的优越性和有效性