一种基于多重可学习先验深度展开网络的图像超分辨率方法

本发明公开了一种基于多重可学习先验深度展开网络的图像超分辨率方法，属于计算机视觉技术领域，该方法包括：从数据集中选取高分辨率图像，生成低分辨率图像，然后将高分辨率图像与相应的低分辨率图像组成样本对，并将这些样本对划分为训练集和测试集；基于退化模型和多重先验将超分辨率问题建模为一个优化问题，并使用优化算法，得到求解该优化问题需要迭代求解的两个子问题；将子问题中的多重先验推广为多重可学习先验，并基于此构建深度展开网络；使用训练集训练展开网络，获得训练好的模型，并利用测试集测试模型超分辨率性能。本发明方法在深度展开超分辨率模型上引入一种新的多重可学习先验，基于卷积层及常用图像操作算子实现变换算子和先验函数的同时学习，进一步提高了超分辨率重建性能，有着广泛的应用场景。