一种压缩感知图像重构方法、设备、存储介质及系统

    公开(公告)号:CN114581539A

    公开(公告)日:2022-06-03

    申请号:CN202210092192.8

    申请日:2022-01-26

    IPC分类号: G06T9/00 G06N3/063 G06N3/04

    摘要: 本发明公开了提出了一种压缩感知图像重构方法、设备、存储介质及系统。该方法包括:获取待重构图像数据,将待重构图像数据输入预先训练的图像重构模型获得重构图像;图像重构模型利用半二次分裂深度重构网络对待重构图像数据进行多次迭代处理获得重构图像;半二次分裂深度重构网络包括依次连接的x子问题网络、b子问题网络和q子问题网络,x子问题网络包括多层卷积神经网络;b子问题网络包括软阈值模块;q子问题网络包括非局部神经网络。将复杂图像重构问题分解为x子问题、b子问题和q子问题3个简单的子优化问题求解,提高了图像重构效率,且结合稀疏性和非局部先验来重构图像,具有更高的视觉质量,图像纹理更为清晰,重构图像更准确。

    基于快速傅里叶卷积与卷积滤波流的图像压缩感知方法及系统

    公开(公告)号:CN115100301A

    公开(公告)日:2022-09-23

    申请号:CN202210847465.5

    申请日:2022-07-19

    IPC分类号: G06T9/00 G06N3/04

    摘要: 本发明提供了基于快速傅里叶卷积与卷积滤波流的图像压缩感知方法及系统。图像压缩感知方法包括:获取多个图像块测量值;对多个图像块测量值进行初始重建获得初始重建图像;基于快速傅里叶卷积对初始重建图像进行进一步重建获得傅里叶卷积重建图像;将傅里叶卷积重建图像输入基于卷积滤波流网络的像素级滤波器获得滤波处理结果,将滤波处理结果与傅里叶卷积重建图像进行卷积获得最终重建图像。快速傅里叶卷积对初始重建图像进一步重建,快速傅里叶卷积感受野能够覆盖整个图像,有效利用了全局上下文信息,再通过像素级滤波器获取像素局部邻域的局部信息,两者结合有效提升压缩感知图像重建效果和视觉效果。

    基于小波变换与卷积滤波流的图像压缩感知方法及系统

    公开(公告)号:CN115082575A

    公开(公告)日:2022-09-20

    申请号:CN202210846523.2

    申请日:2022-07-19

    IPC分类号: G06T9/00 G06N3/04

    摘要: 本发明提供了基于小波变换与卷积滤波流的图像压缩感知方法及系统。该图像压缩感知方法包括:获取多个图像块测量值;对多个图像块测量值进行初始重建获得初始重建图像;将初始重建图像输入深度重构网络处理获得最终的重建图像,深度重构网络包括依次连接的离散小波变换网络、基于卷积滤波流的像素级滤波器网络和反离散小波变换融合网络。将离散小波变换网络应用于初始重建图像能扩大感受野,缩小阻塞伪影;离散小波变换网络分解初始重建图像,在不同子带图像上利用像素级滤波器网络分别做卷积滤波流,实现了高频和低频分量同时分析,从不同的频域层次分别提取图像特征,考虑了图像像素局部邻域信息,有效提升压缩感知图像重建的质量。