公开(公告)号：CN113516601A

公开(公告)日：2021-10-19

申请号：CN202110669817.8

申请日：2021-06-17

申请人： 西南大学

发明人： 王建军 ,  谢亚红 ,  黄国钧 ,  王洪荣 ,  刘晨

IPC分类号： G06T5/00 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开了基于深度卷积神经网络与压缩感知的图像恢复技术，包括以下步骤：步骤1，全卷积压缩感知网络设计：其中全卷积压缩感知网络设计包括FCNN‑CS的测量阶段；步骤2，数值实验：其中数值实验包括训练设置、重建结果的评价指标、在灰度图上的实验结果对比及讨论和在彩色图上的实验结果对比及讨论。本发明通过融合深度卷积神经网络与压缩感知的图像恢复研究，即在压缩感知恢复算法的指导下设计的深度卷积神经网络用于完成图像压缩和重建任务。一方面，相比于传统的线性压缩方式，采用基于学习的卷积测量的压缩方法更有利于保留图像的结构信息和设计出自适应的测量矩阵设计，另一方面，实现了基于稀疏编码的压缩感知恢复算法指导下的恢复网络设计。

公开(公告)号：CN113516601B

公开(公告)日：2022-10-14

申请号：CN202110669817.8

申请日：2021-06-17

申请人： 西南大学

发明人： 王建军 ,  谢亚红 ,  黄国钧 ,  王洪荣 ,  刘晨

IPC分类号： G06T5/00 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开了基于深度卷积神经网络与压缩感知的图像恢复技术，包括以下步骤：步骤1，全卷积压缩感知网络设计：其中全卷积压缩感知网络设计包括FCNN‑CS的测量阶段；步骤2，数值实验：其中数值实验包括训练设置、重建结果的评价指标、在灰度图上的实验结果对比及讨论和在彩色图上的实验结果对比及讨论。本发明通过融合深度卷积神经网络与压缩感知的图像恢复研究，即在压缩感知恢复算法的指导下设计的深度卷积神经网络用于完成图像压缩和重建任务。一方面，相比于传统的线性压缩方式，采用基于学习的卷积测量的压缩方法更有利于保留图像的结构信息和设计出自适应的测量矩阵设计，另一方面，实现了基于稀疏编码的压缩感知恢复算法指导下的恢复网络设计。