基于卷积神经网络的图像超分辨率重构方法大多数假设低分辨率图像是从高分辨率图像双三次降采样得到，而现实环境低分辨率图像带有未知噪声，不可避免地导致网络性能较差。针对这一普遍问题，本文提出了一种抗噪声的分步式图像超分辨率重构算法。首先，将信息蒸馏图像降噪网络结合生成对抗网络进行网络训练，以提高降噪网络的图像降噪能力；其次，将降噪网络的中间网络纯净特征图和降噪后的图像与分步式图像超分辨率重构网络结合，配合分步式网络训练，实现网络对真实环境低分辨率图像的有效超分辨率重构。在自建含有高斯噪声的BSD100*与BSD100#数据集上对本文提出的网络进行了训练和评估。实验结果表明：所提网络与已有先进网络相比，在图像质量评估和视觉对比上均取得较大提升。