En los últimos años, la reconstrucción de superresolución de imagen única basada en aprendizaje profundo ha logrado un buen rendimiento. Sin embargo, la mayoría de los métodos existentes persiguen un alto índice de relación señal-ruido pico (PSNR), mientras ignoran la calidad de la estructura y los detalles de textura, lo que resulta en un rendimiento insatisfactorio de los resultados de reconstrucción en términos de percepción subjetiva humana. Para resolver este problema, este artículo propone un método de reconstrucción de superresolución de imagen que preserva la estructura y la textura. Específicamente, se utilizan dos ramas de red diferentes para extraer características de la estructura de la imagen y los detalles de textura. Se diseña un mecanismo de atención de percepción de dirección de coordenadas duales (DCDPA) para resaltar características de estructura y textura. El mecanismo de atención considera completamente la complementariedad y la direccionalidad de las características de imagen a múltiples escalas y evita efectivamente la pérdida de información y posibles distorsiones de la estructura de la imagen y los detalles de textura durante la reconstrucción de la imagen. Además, se diseña un mecanismo de fusión cruzada para utilizar de manera integral la información de estructura y textura para la reconstrucción de imagen de superresolución, que integra de manera efectiva los detalles de estructura y textura extraídos por las dos redes de ramas. Experimentos extensos verifican la efectividad del método propuesto y su superioridad sobre los métodos existentes.