近期在图像超分辨率（SR）领域的进展探索了深度学习在实现更好重建性能方面的潜力。然而，人类视觉系统中普遍存在的反馈机制尚未被现有的基于深度学习的图像超分辨率方法充分利用。本文提出了一种图像超分辨率反馈网络（SRFBN），用于利用高层信息来优化低层表示。具体而言，我们通过在RNN中引入带有约束条件的隐状态来实现这种反馈机制。设计了一个反馈模块以处理反馈连接并生成强大的高层表示。所提出的SRFBN具有强大的早期重建能力，并能够逐步创建最终的高分辨率图像。此外，我们引入了一种课程学习策略，使网络更适合处理更为复杂的任务，即低分辨率图像受到多种退化类型的影响。大量的实验结果表明，与现有最先进方法相比，所提出的SRFBN表现出显著的优势。代码可在https://github.com/Paper99/SRFBN_CVPR19 获取。