[发明专利]一种用于提高鬼成像重构质量的重构方法

权利要求书

1.一种用于提高鬼成像重构质量的重构方法，其特征在于：利用深度卷积神经网络超分辨重构的方法去改进压缩感知鬼成像系统中重构图像的质量，首先在压缩感知鬼成像系统中利用OMP重构算法以一个较低的采样率快速的重构一幅低分辨率重构图像；然后将低分辨率重构图像利用双线性插值算法进行快速超分辨重构，得到一个初步的高分辨率图像；然后利用深度卷积神经网络训练低分辨率的图像与高分辨率图像之间的映射关系，再利用这个映射关系去重构出质量更好的高分辨率图像；主要步骤如下：

步骤一、通过在压缩感知鬼成像系统中利用基于正交匹配追踪OMP的重构算法以一个较低的采样率快速地获取一个质量较差的重构图像；

步骤二、给卷积神经网络输入数据：将一个低分辨率的图像利用插值重建算法得到一个初级的高分辨率图像C，然后输入到卷积神经网络作为输入数据，利用第一层卷积层的卷积核对C进行卷积操作而得到图像的特征图，有几个卷积核就得到几个特征图，操作公式表示如下：

f₁(C)＝max(0,w₁*C+b₁) (1)

其中，w₁是第一层卷积层的滤波器，b₁是第一层卷积层的偏置，如果在第一层卷积层中有s₁个卷积核，经过卷积操作后就得到了s₁个特征图；

步骤三、在卷积神经网络中进行特征的映射：在卷积神经网络的第一层卷积层中得到了s₁个特征图，将其作为第二层卷积层的输入，再经过s₂个卷积核的卷积操作得到了s₂个特征图，操作公式表示如下：

f₂(C)＝max(0,w₂*f₁(C)+b₂) (2)

其中，w₂是第二层卷积层的滤波器，b₂是第二层卷积层的偏置。

步骤四，进行超分辨重建。将第二层卷积层中得到的s₂个特征图作为第三层卷积层的输入，可以重建得到高分辨率的图像，操作公式表示如下：

X＝w₃+f₂(C)+b₃ (3)

其中，w₃是第三层卷积层的滤波器，b₃是第三层卷积层的偏置，X表示重建得到的高分辨率图像。

2.根据权利要求1所述的用于提高鬼成像重构质量的重构方法，其特征在于：使用的三层卷积神经网络的每一层卷积层中所使用的激活函数都是RELU函数。