近年来, 研究人员的研究重点转向从学习的角度去学习图像先验, 根据学习的图像统计特征来提升图像逆问题的求解性能。通过对超分辨卷积神经网络增加特征卷积层进一步增强特征提取的能力, 通过低层特征和增强特征的串联操作, 在取得优秀性能的同时, 模型参数数量有效减少; 通过对反卷积生成式网络可逆求解进行理论分析, 证明采用梯度下降对反卷积生成式网络求逆的有效性, 提出扩展生成式网络范围的图像逆问题求解算法, 实现扩展生成式网络范围的表示能力, 提升复原图像的保真度; 提出显著性引导多尺度先验融合的水下图像逆问题求解方法, 更为准确地估计介质透射率; 提出对抗编码解码网络的水下图像逆问题求解模型, 实现端到端的水下图像逆问题求解。并列题名：Research on solving image inverse problem eng