针对现有图像超分辨率重建算法的重建图像仍存在高频信息缺失、噪点增多问题,本文提出了一种基于卷积稀疏编码与生成对抗网络的图像超分辨率重建模型.首先,利用卷积网络实现稀疏编码并获取图像稀疏表示,充分利用图像的先验信息,有效避免重建图像高频信息缺失和噪点增多的问题;在得到低分辨率图像的稀疏表示后,通过重建模块对稀疏表示进行重建得到超分辨率图像;随后,鉴别器对重建图像进行鉴别,缓解由PSNR主导的算法导致重建图像趋于平滑的问题.在不断对抗训练后,最后的重建图像具有更好的视觉效果.本文在Set5、Set14、BSD100和Urban100通用测试数据集上进行2倍和4倍的超分辨率重建实验,并与Bicubic、SRGAN、EDSR和ESRGAN对比.与ESRGAN方法相比,本文模型在4个数据集上平均PSNR提升约0.7028　dB,平均SSIM提升约0.047,平均LPIPS提升了0.016.实验结果表明,所提出的模型具有较强的竞争力,能够恢复更多的细纹理细节且具有更好的清晰度.