现有的图像超分辨率重建算法可以改善图像整体视觉效果或者提升重建图像的客观评价值，然而对图像感知效果和客观评价值的均衡提升效果不佳，且重建图像缺乏高频信息，导致纹理模糊。针对上述问题，提出了一种基于并联卷积与残差网络的图像超分辨率重建算法。首先，以并联结构为整体框架，在并联结构上采用不同卷积组合来丰富特征信息，并加入跳跃连接来进一步丰富特征信息并融合输出，从而提取更多的高频信息。其次，引入自适应残差网络以补充信息并优化网络性能。最后，采用感知损失来提升恢复后图像的整体质量。实验结果表明，相较于超分辨率卷积神经网络（SRCNN）、深度超分辨率重建网络（VDSR）和超分辨率生成对抗网络（SRGAN）等算法，所提算法在重建图像上有更好的表现，其放大效果图的细节纹理更清晰。在客观评价上，所提算法在4倍重建时的峰值信噪比（PSNR）和结构相似性（SSIM）相较于SRGAN分别平均提升了0.25 dB和0.019。
