基于傅里叶域与残差级联的深度展开盲超分辨率重建

本发明涉及计算机视觉技术领域，公开一种基于傅里叶域与残差级联的深度展开盲超分辨率重建方法，该方法包括：从数据集获取高分辨率图像生成低分辨率图像，组成样本对并划分为训练集和测试集；将盲超分辨率问题建模为优化问题，转换为交替求解HR图像重建和模糊核估计问题，再分解为数据与先验子问题交替求解；结合优化算法构建端到端深度展开网络，利用训练集训练模型，通过测试集完成性能验证。本发明在深度展开盲超分辨率模型上提出一种新颖的展开网络，首次基于傅里叶变换域封闭解降低求模糊核数据子问题的时间复杂度；设计一种级联残差融合模块提升先验学习特征使用效率；通过网络学习超参数优化模型性能，有效解决盲超分辨率重建问题。