최근에 깊은 신경망이 단일 이미지 초해상도(Single Image Super-Resolution, SISR)의 성능을 크게 향상시킬 수 있다는 것이 입증되었습니다. 많은 연구가 초해상도(Super-Resolved, SR) 이미지의 정량적 품질 향상에 집중되어 왔습니다. 그러나 PSNR 최대화를 목표로 하는 이러한 방법들은 큰 확대 비율에서 흐린 이미지를 생성하는 경향이 있습니다. 생성적 적대 네트워크(Generative Adversarial Networks, GANs)의 도입은 이 문제를 완화시키고 합성 고주파 텍스처로 인상적인 결과를 보여주었습니다. 그럼에도 불구하고, 이러한 GAN 기반 접근법들은 시각적으로 더 높은 해상도의 SR 이미지를 만들기 위해 가짜 텍스처와 심지어 아티팩트까지 추가하는 경향이 있습니다. 본 논문에서는 단계별 네트워크를 구성하여 점진적으로 시각적으로 고품질의 결과를 생성하는 새로운 지각적 이미지 초해상도 방법을 제안합니다. 구체적으로, 첫 번째 단계는 픽셀 단위 오차를 최소화하는 데 중점을 두며, 두 번째 단계는 이전 단계에서 추출된 특성을 활용하여 구조 유지가 더 우수한 결과를 추구합니다. 마지막 단계는 두 번째 단계에서 정제된 미세 구조 특성을 사용하여 더욱 현실적인 결과를 생성합니다. 이렇게 하면 지각적 이미지에서 픽셀 및 구조 수준 정보를 최대한 유지할 수 있습니다. 제안된 방법이 순방향 프로세스에서 세 가지 유형의 이미지를 생성할 수 있다는 점에 주목할 필요가 있습니다. 또한, 우리는 다중 스케일 계층적 특성 융합을 채택한 새로운 생성기를 탐색하였습니다. 벤치마크 데이터셋에 대한 광범위한 실험은 우리의 접근법이 기존 최신 방법들보다 우수함을 보여줍니다. 코드는 https://github.com/Zheng222/PPON 에서 제공됩니다.