近年来, 基于深度学习的单幅图像超分辨率方法已经取得了显著成就。但这些方法仅研究图像空域, 忽略了图像频域中高频信息的重要性, 从而导致生成的图像相对平滑。利用小波变换能够提取图像细节的特性, 因此提出一种结合小波变换与深度网络的单幅图像超分辨率方法。首先, 利用小波变换将图像分解为低频子图和三个方向上的高频子图, 将低分辨率图像与高频子图作为深度网络的输入。其次, 对已有的深度网络进行改进, 简化网络结构, 减少卷积层数量以减少网络负担, 修改网络通道。最后, 进行小波逆变换, 得到超分辨率图像。在开放测试数据集上进行测试, 并将本文方法与其他方法进行比较。实验结果表明, 本文方法在主观视觉