针对现有的基于深度学习的超分辨率重建方法主要研究放大整数倍的重建，对放大任意倍（如非整数倍）重建情况讨论较少的问题，提出一种基于空间元学习的放大任意倍的超分辨率重建方法。首先，利用坐标投影找出高分辨率图像与低分辨率图像坐标间的对应关系；其次，在元学习网络的基础上，考虑特征图的空间信息，将提取到的空间特征与坐标位置相结合作为权值预测网络的输入；最后，将权值预测网络预测出的卷积核与特征图结合，从而有效地放大特征图的尺寸，得到放大任意倍的高分辨率图像。所提的空间元学习模块可以与其他深度网络相结合，得到放大任意倍的超分辨率图像重建方法。所提的放大任意倍（非整数倍）超分辨率重建方法解决了实际生活中放大尺寸固定且非整数倍的重建问题。实验结果表明，所提的重建方法在空间复杂度（网络参数）相当的情况下，时间复杂度（计算量）是其他重建方法的25%~50%，且峰值信噪比（PSNR）比其他一些方法提高了0.01~5 dB，结构相似度（SSIM）提高了0.03~0.11。