近年来，数字成像技术的广泛应用带来了对高分辨率图像日益增长的需求。本文提出了一种新颖的边缘感知单图像超分辨率（Single Image Super-Resolution, SISR）方法。我们将SISR问题重新建模为图像修复（image inpainting）任务，并采用两阶段修复模型作为超分辨率的基准框架。与传统的插值方法相比，该模型在不同放大倍数（×2、×4、×8）下均表现出优异的性能。模型通过联合优化图像内容（纹理与色彩）和结构信息（边缘）进行训练。本文提供了定量与定性对比分析，并将所提方法与当前最先进的技术进行了比较。实验结果表明，通过解耦结构与纹理的重建过程，所提出的方法显著提升了最终重建高分辨率图像的质量。代码与模型已开源，获取地址：https://github.com/knazeri/edge-informed-sisr