我们提出了一种基于深度递归卷积网络（DRCN）的图像超分辨率方法（SR）。我们的网络具有非常深的递归层（最多可达16次递归）。增加递归深度可以在不引入新参数的情况下提高性能。尽管具有这些优势，但由于梯度爆炸或消失的问题，使用标准梯度下降方法训练DRCN非常困难。为了解决这一训练难题，我们提出了两种扩展方法：递归监督（recursive-supervision）和跳跃连接（skip-connection）。实验结果表明，我们的方法在性能上显著优于以往的方法。