深層畳み込みニューラルネットワーク（Deep CNN）は、単一画像の超解像において有望な性能を達成している。特に、Deep CNNスキップ接続とNetwork in Network（DCSCN）アーキテクチャは、自然画像の超解像に成功裏に応用されている。本研究では、DCSCNを基盤として、低解像度かつぼやけた文字画像の超解像とぼかし除去を同時に行う手法であるSDT-DCSCNを提案する。本手法は、入力としてダウンサンプリングされたぼやけた画像を用い、正解データとして元の鮮明な画像を用いる。また、テキストの細部をより正確に分析できるよう、入力CNN層に多数のフィルタを採用したアーキテクチャを構築している。異なるデータセットにおける定量的・定性的評価により、本モデルが高解像度かつ鮮明なテキスト画像を高精度で再構成可能であることが実証された。さらに、計算時間の観点からも、最先端手法と比較して競争力のある性能を示している。