[发明专利]一种基于压缩感知网络的图像重构方法和装置

说明书

本申请公开了一种基于压缩感知网络的图像重构方法和装置，对原始图像信号进行采样得到采样图像信号，进而初始化得到初始重构图像信号；将采样图像信号和初始重构图像信号输入到压缩感知网络中，通过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；根据最终重构图像信号和原始图像信号更新网络参数；通过训练好的压缩感知网络对待重构图像信号进行图像重构，改善了现有技术采用循环神经网络对重构信号进行加权，对加权矩阵有很大的限制，以及利用重构信号中每列信号的相似性来设计模型，由于每列信号的相似性的稳定性较差，导致重构结果稳定性较差的技术问题。

技术领域

本申请涉及图像处理技术领域，尤其涉及一种基于压缩感知网络的图像重构方法和装置。

背景技术

压缩感知(Compressed Sensing，CS)旨在通过利用信号稀疏性和结构先验，从少量测量值中精确重建高维信号。为了进一步提高重构性能，现有技术采用循环神经网络对重构信号进行加权，但该方法对加权矩阵有很大的限制，必须为正交矩阵或对角矩阵；并且，基于循环神经网络的重构方法，利用重构信号中每列信号的相似性来设计模型，这种相似性是不稳定的，当图片内容单调时，例如只有一个杯子，每列信号之间的相似性较强，当图片内容复杂时，每列信号之间的相似性较弱，导致得到的重构结果的稳定性较差。

发明内容

本申请提供了一种基于压缩感知网络的图像重构方法和装置，用于改善现有技术采用循环神经网络对重构信号进行加权，对加权矩阵有很大的限制，以及利用重构信号中每列信号的相似性来设计模型，由于每列信号的相似性的稳定性较差，导致重构结果稳定性较差的技术问题。

有鉴于此，本申请第一方面提供了一种基于压缩感知网络的图像重构方法，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。

可选的，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。

可选的，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。

可选的，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：

；