公开(公告)号：CN119273782A

公开(公告)日：2025-01-07

申请号：CN202411267881.3

申请日：2024-09-11

Applicant: 兰州交通大学

Inventor： 刘玉红 ,  杨恒 ,  李翠然 ,  廉敬 ,  姜启 ,  李丹 ,  戚隆昇

IPC: G06T9/00 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明提供了联合图像层级特征的压缩感知迭代重构方法。涉及图形图像处理技术领域。通过交替使用梯度下降操作和特征优化操作来逐步提升图像重构质量。在每个迭代阶段，首先构建了一个多尺度特征丰富模块MFEM，对前一阶段的重构图像进行不同尺度的去噪，并增强为多通道特征图。随后采用梯度下降操作对特征图的细粒度信息进行更新。其次，为了增强网络对高分辨率图像的感知能力并降低计算复杂度，构建了一个二次空间信息捕捉模块SSCM，通过轻量级CNN‑Transformer混合架构建模图像层级特征，并对其进行深度优化。最后，通过后处理模块PPM对SSCM优化的特征信息进行非线性增强，并获得本阶段的重构图像。经过多次迭代后，可以得到最终的重构图像。

公开(公告)号：CN117911545A

公开(公告)日：2024-04-19

申请号：CN202410028105.1

申请日：2024-01-09

Applicant: 兰州交通大学

Inventor： 刘玉红 ,  李翠然 ,  廉敬 ,  姜启 ,  杨恒 ,  谈丽娟 ,  李丹

IPC: G06T9/00 ,  G06T5/60 ,  G06T5/70 ,  G06T5/20 ,  G06V10/44 ,  G06V10/52 ,  G06V10/77 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/0495 ,  G06N3/082 ,  H04N19/117 ,  H04N19/17 ,  H04N19/42 ,  H04N19/80

Abstract: 本发明公开了基于滤波器剪枝的多尺度压缩感知图像重构算法，所提采样算法通过卷积模拟图像的线性分解，融合输入图像和不同尺度的分解特征后，进行多尺度采样得到压缩感知测量值，使采样子网络学习到更加丰富的多尺度特征，在重构阶段，提出一种基于坐标注意力的多尺度空洞残差模块，通过融合不同尺度特征及坐标注意力的加权得到更多的特征，进而完成重构。坐标注意力的引入，使得精确的位置信息嵌入到通道注意中，对通道关系和长距离依赖进行编码，增强了网络特征学习的能力，对较复杂的深度特征提取模块进行了模型剪枝来减少模型参数量，通过计算输出特征图的熵来判别每一个滤波器的重要性，剪除掉重要性低的滤波器，实现网络轻量化的目的。