1.一种基于低秩全变分深度先验融合的视觉数据补全方法，其特征在于，所述基于低秩全变分深度先验融合的视觉数据补全方法，包括：构建低秩全变分深度先验融合算法，将观测张量输入低秩全变分深度先验融合算法，所述低秩全变分深度先验融合算法引入三个辅助变量 以及约束条件和 目标函数用如下公式表示：

其中，Lβ()表示目标函数， 表示复原张量， 和Λn是拉格朗日乘子，βi,i＝1,…,4是拉格朗日乘子系数，||·||LT表示基于log函数的非凸转化张量核范数，n1表示宽度，n2表示高度，n3表示通道数， 表示强制执行复原张量 和观测张量 在索引集Ω保持相等的投影算子，<·,·>为内积， 为F范数，T表示矩阵转置， 表示局部连续性的先验，λ和τ为两个权衡参数，n＝1,2,3，||·||21为l21范数，Un、Vn为 的矩阵因子， 表示P的梯度，P表示 的二维形式， 表示Un与 的矩阵乘积，n表示维度；

采用ADMM算法对低秩全变分深度先验融合算法的辅助变量 辅助变量 辅助变量复原张量 矩阵因子Un和矩阵因子Vn进行优化，更新拉格朗日参数；

输出复原张量。

2.根据权利要求1所述的基于低秩全变分深度先验融合的视觉数据补全方法，其特征在于，所述构建低秩全变分深度先验融合算法，包括：将观测张量转化为似然项和正则化项；

通过非凸log函数对转化张量核范数进行近似逼近；

引入非凸l21范数，构建非凸增强三维全变分正则项；

在PnP框架下插入CNN模型，得到低秩全变分深度先验融合算法。

3.根据权利要求2所述的基于低秩全变分深度先验融合的视觉数据补全方法，其特征在于，所述通过非凸log函数对转化张量核范数进行近似逼近，包括：在转化张量核范数基础上引入log函数衡量奇异值并作为秩函数的非凸松弛，用公式表示为：其中， 表示中间变量， 为 第i个前向切面的第j个奇异值， 为的离散余弦变换形式，ε＞0为一个常数；

非凸松弛的最小化模型可以表示为：

其中， ||·||LT为基于log函数的非凸转化张量核范数，表示强制执行 和 在索引集Ω保持相等的投影算子。

4.根据权利要求2所述的基于低秩全变分深度先验融合的视觉数据补全方法，其特征在于，所述引入非凸l21范数，构建非凸增强三维全变分正则项，用公式表示如下：其中， 表示非凸增强三维全变分正则项，r为矩阵分解维度，I表示单位矩阵。

5.根据权利要求1所述的基于低秩全变分深度先验融合的视觉数据补全方法，其特征在于，所述采用ADMM算法对低秩全变分深度先验融合算法的辅助变量 辅助变量 辅助变量 复原张量 矩阵因子Un和矩阵因子Vn进行优化，包括：求解辅助变量

移除所有无关因子， 相关子问题可表示为：其中， 表示 的第i个前向切面， 表示 的第i个前向切面的非凸转化张量核范数， t表示迭代次数，fft()表示傅里叶运算，求解上式需要分别计算每个前向切面，每个前向切面都有如下闭式解：通过对每个前向切面 进行奇异值分解，可得到U2与V2， 为对角矩阵，对角线上的元素表示为 且求解算子Eα,ε(·)的具体形式为：其中，c1＝|x|‑ε， ε表示一个常数，最后对 做逆傅里叶运算，即

求解辅助变量

相关的子问题为：

其中， 表示第t+1轮迭代辅助变量 的取值， 表示第t轮迭代复原张量 的取值，表示第t轮迭代拉格朗日乘子 的取值；

以 作为待恢复的数据，可以将空间切片提供给去噪器FFDNet以优化求解，具体形式为：其中， 表示 的第i个前向切面， 表示 的第i个前向切面；

求解辅助变量

通过从低秩全变分深度先验融合算法的目标函数中提取所有包含 的项，则需要求解：t

其中， 表示第t+1轮迭代辅助变量 的取值， 表示Un与 的矩阵乘积，tUn表示第t轮迭代矩阵因子Un的取值， 表示第t轮迭代矩阵因子Vn的取值， 表示第t轮迭代拉格朗日乘子Λn的取值；

通过对方程进行快速傅里叶变换和卷积定理， 的封闭形式解为：其中， 为中间变量，⊙表示元素乘积， 是傅里叶变换， 表示转置变换，2

|·|是元素方向的平方，fold(·)表示卷积操作， 表示差分矩阵， 表示逆算子，1表示全为1的张量；

求解复原张量

通过从低秩全变分深度先验融合算法的目标函数中收集所有包含 的项目，可获得：其中， 表示第t+1轮迭代复原张量 的取值， 表示第t+1轮迭代辅助变量 的取值， 表示第t轮迭代拉格朗日乘子 的取值， 表示第t轮迭代拉格朗日乘子的取值；

假设 即 子问题 的封闭形式解：

其中， 表示Ω的补集；

求解矩阵因子Un,n＝1,2,3：

通过从目标函数中去掉与Un无关的项，则Un的子问题可以表述为：其中， 表示第t+1轮迭代矩阵因子Un的取值， 表示第t+1轮迭代变量 的取值；

由于Vn是正交矩阵，则上式等价地重新表述为：假设变量 其闭式解为：

其中，|| ||2表示l2范数；

求解矩阵因子Vn,n＝1,2,3：

通过从低秩全变分深度先验融合算法的目标函数中提取所有包含Vn的项，则需要求解：其中， 表示第t+1轮迭代矩阵因子Vn的取值；

其封闭解为：

其中，svd()表示奇异值分解，D表示对角矩阵、B、C表示酉矩阵。