针对超分辨率复原技术中网络层数不断加深导致的网络训练困难、特征信息利用率低等问题，设计并实现了一种基于双注意力的信息蒸馏网络（IDN）的图像超分辨率复原算法。首先，利用IDN较低的计算复杂度及信息蒸馏模块提取更多特征的优势，通过引入残差注意力模块（RAM）并考虑图像通道之间的相互依赖性来自适应地重新调整特征权重，从而进一步提升图像高分辨率细节的重建能力；然后，设计了对于边缘信息敏感的新型混合损失函数对图像进行细化处理，以加速网络收敛。在Set5、Set14、BSD100和Urban100公共数据集上的测试结果表明，该方法的视觉效果和峰值信噪比（PSNR）均优于当前主流算法。
