La Codificación de Frente de Onda (WFC) es una técnica innovadora destinada a ampliar la profundidad de enfoque (DOF) de los sistemas de imagen óptica. En los sistemas de imagen digital, la reconstrucción digital de superresolución cercana al límite de difracción de los sistemas ópticos siempre ha sido un tema de investigación candente. Con el diseño de una función de dispersión de punto (PSF) generada por una máscara de fase adecuada, WFC también podría ser utilizado en la reconstrucción de imágenes de superresolución. En este artículo, utilizamos una red neuronal profunda combinada con WFC como un marco general para la reconstrucción de imágenes, y verificamos su posibilidad y efectividad. Considerando el desenfoque y el ruido aditivo simultáneamente, propusimos tres procedimientos de reconstrucción de imagen de superresolución utilizando redes neuronales convolucionales (CNN) basadas en la pérdida de error cuadrático medio (MSE), Redes Generativas Adversarias Condicionales (CGAN) y Redes Transformadoras Swin (SwinIR) basadas en la pérdida de error absoluto medio (MAE). Verificamos su efectividad mediante experimentos de simulación. Una comparación de los resultados experimentales muestra que la estructura de red residual profunda SwinIR basada en los criterios de optimización de pérdida MAE puede generar imágenes de superresolución más realistas con más detalles. Además, utilizamos una cámara WFC para obtener un objetivo de prueba de resolución e imágenes de escenas reales para experimentos. Utilizando el objetivo de prueba de resolución, demostramos que la resolución espacial podría mejorarse de 55,6 lp/mm a 124 lp/mm mediante el procedimiento propuesto de reconstrucción de superresolución. Los resultados de la reconstrucción muestran que el modelo de red neuronal profunda propuesto es superior al método tradicional en la reconstrucción de detalles de alta frecuencia y en la supresión efectiva del ruido, con la resolución acercándose al límite de difracción.