[发明专利]一种基于压缩感知网络的图像重构方法和装置

权利要求书

1.一种基于压缩感知网络的图像重构方法，其特征在于，包括：

对原始图像信号进行采样，得到采样图像信号；

基于所述采样图像信号初始化重构图像信号，得到初始重构图像信号；

将所述采样图像信号和所述初始重构图像信号输入到压缩感知网络中，通过所述压缩感知网络中的多层卷积加权模块进行信号加权，得到多层重构图像信号，并根据相邻两层重构图像信号之间的相关性来优化重构图像信号，得到最终重构图像信号；

根据所述最终重构图像信号和原始图像信号计算损失值，通过所述损失值更新所述压缩感知网络的网络参数，得到训练好的压缩感知网络；

通过所述训练好的压缩感知网络对待重构图像信号进行图像重构，得到重构图像信号；

所述压缩感知网络为多层迭代模型，每一层对应的目标函数为：

；

式中，X^(k)为第k层重构图像信号，Y为采样图像信号，A为测量矩阵，D为稀疏字典，为第一非负正则化参数，为第二非负正则化参数，为卷积加权模块，B、C为卷积核大小为3*3的滤波器，Relu( )为修正线性单元激活函数，F为预测矩阵，是压缩感知网络的可学习参数，X^(k-1)为第k-1层重构图像信号；

所述压缩感知网络的损失函数为：

；

式中，N_b为采样图像信号的总数，N_p为压缩感知网络层数，N为采样图像信号的大小，为第i个采样图像对应的最终重构图像信号，S_i为第i个原始图像信号，W^(k)为第k层卷积加权模块，为第k层与W^(k)形成对称关系的卷积加权模块，为第i个重构图像信号在第k层的稀疏信号，为第三正则化参数。

2.根据权利要求1所述的基于压缩感知网络的图像重构方法，其特征在于，所述对原始图像信号进行采样，得到采样图像信号，包括：

通过测量矩阵对所述原始图像信号进行采样，得到采样图像信号。

3.根据权利要求1所述的基于压缩感知网络的图像重构方法，其特征在于，所述基于所述采样图像信号初始化重构图像信号，得到初始重构图像信号，包括：

基于所述采样图像信号、稀疏字典和测量矩阵初始化重构图像信号，得到初始重构图像信号。