一种融合非凸低秩最小化和深度先验的张量恢复方法

本发明公开了一种融合非凸低秩最小化和深度先验的张量恢复方法，包括：获取观测张量及观测张量对应的索引集、先验集和可逆变换；将获取的数据输入至构建好的张量恢复模型中，输出初始恢复张量；张量恢复模型的构建步骤包括：对多阶张量进行差分处理，获得梯度张量；根据梯度张量对应的张量非凸范数，构建TCTV正则项；基于TCTV正则项，搭建张量恢复模型；将初始恢复张量输入至卷积神经网络模型中，输出最终恢复张量。该方法增强了对图像的恢复能力，在极限环境下的恢复性能更加显著，在应对高维数据丢失或受损时起到关键作用；有助于保证人脸识别、目标跟踪等基于图像处理的下游任务的准确率。