图像超分辨通常是指通过计算机算法来提高图像分辨率从而改善视觉效果的一种底层视觉增强技术。近年来,随着深度学习方法的快速发展,深度学习在底层视觉领域的应用也越来越广,目前,其在图像超分辨率、图像去模糊等领域都表现出了良好的性能。本文围绕深度学习图像底层视觉任务,结合解耦思想、图像深度先验及注意力机制研究图像超分辨深度模型,提出了新的图像超分辨方法,实验效果表明提出的方法是有效的。本文针对底层视觉图像超分辨和运动去模糊几个问题进行了探讨:1)基于解耦合作学习的联合图像超分辨与运动去模糊研究了一种基于解耦合作学习思想的深度超分辨模型,旨在解决含多种退化因素作用时的单幅图像同时超分辨和运动去模糊问题,与现有的各种图像超分辨和运动去模糊联合方法相比较,验证了其性能。2)基于分辨率下降和模糊退化串行解耦思想的图像盲超分辨尝试探究一种基于盲的图像超分辨模型,旨在将图像的低分辨退化因素与模糊核解耦合,并引入退化网络实现图像盲超分辨,与现有的各种盲超分辨模型相比较,验证了其性能。3)结合通道注意力和位置注意力的视频图像超分辨视频超分辨相对于图像超分辨的不同之处在于需要考虑帧间时序一致性及帧对齐问题,直接将图像超分辨算法应用到视频超分辨中往往得不到最佳的效果,我们将注意力机制应用到视频超分辨重建网络中,同时采用通道注意力和位置注意力挖掘多帧视频图像的特征并引入非局部残差块实现视频超分辨率,优酷公开的数据集上的实验显示提出的通道注意力和位置注意力网络能取得较好效果。