[發(fā)明專利]基于受限玻爾茲曼機(jī)的置換混疊圖像盲分離方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201710543510.7
• 申請日: 2017-07-05
• 公開（公告）號: CN107545548B
• 公開（公告）日: 2020-03-31
• 發(fā)明（設(shè)計(jì)）人: 段新濤;李飛飛;段佳蕙
• 申請（專利權(quán)）人: 河南師范大學(xué)
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06K9/62;G06N3/08
• 代理公司: 鄭州睿信知識產(chǎn)權(quán)代理有限公司 41119
• 代理人: 吳敏

1.一種基于受限玻爾茲曼機(jī)的置換混疊圖像盲分離方法，其特征在于，該方法包括以下步驟：

1)利用初始化的受限玻爾茲曼機(jī)網(wǎng)絡(luò)模型對含有模糊的置換混疊圖像進(jìn)行擬合訓(xùn)練，獲取概率矩陣，確定受限玻爾茲曼機(jī)網(wǎng)絡(luò)模型中神經(jīng)元的狀態(tài)，以完成受限玻爾茲曼機(jī)網(wǎng)絡(luò)模型的構(gòu)建；

2)對步驟1)中所構(gòu)建的受限玻爾茲曼機(jī)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，調(diào)整權(quán)重，以得到最優(yōu)受限玻爾茲曼機(jī)網(wǎng)絡(luò)模型；

3)利用最優(yōu)的受限玻爾茲曼機(jī)網(wǎng)絡(luò)模型重構(gòu)數(shù)據(jù)樣本集，根據(jù)重構(gòu)樣本集與初始樣本集的差異分離置換混疊圖像的置換區(qū)域，所述初始樣本集為步驟1)中的含有模糊的置換混疊圖像。

2.根據(jù)權(quán)利要求1所述的基于受限玻爾茲曼機(jī)的置換混疊圖像盲分離方法，其特征在于，所述步驟1)中含有模糊的置換混疊圖像Z(i,j)是由自然圖像L(i,j)中的一部分被置換圖像S(i,j)中的一部分置換混疊而成，即：

Z(i,j)＝L₁(i,j)+S_o(i,j)+S_n(i,j)

其中，自然圖像L(i,j)不含模糊，L₁(i,j)為自然圖像L(i,j)的一部分；S_o(i,j)表示置換圖像中不含模糊的成分，S_n(i,j)表示置換圖像中所含模糊的成分。

3.根據(jù)權(quán)利要求1所述的基于受限玻爾茲曼機(jī)的置換混疊圖像盲分離方法，其特征在于，所述步驟1)中在對含有模糊的置換混疊圖像進(jìn)行訓(xùn)練之前，需對含有模糊的置換混疊圖像進(jìn)行分塊處理，并對分塊處理后的圖像進(jìn)行歸一化操作，作為可操作數(shù)據(jù)集，該可操作數(shù)據(jù)集即為初始樣本集。

4.根據(jù)權(quán)利要求1所述的基于受限玻爾茲曼機(jī)的置換混疊圖像盲分離方法，其特征在于，所述步驟1)中受限玻爾茲曼機(jī)網(wǎng)絡(luò)模型的構(gòu)建過程如下：

a.隨機(jī)生成受限玻爾茲曼機(jī)神經(jīng)網(wǎng)絡(luò)，初始化網(wǎng)絡(luò)參數(shù)，計(jì)算隱藏節(jié)點(diǎn)的激勵值；

b.對每個隱藏節(jié)點(diǎn)的激勵值進(jìn)行標(biāo)準(zhǔn)化，得到神經(jīng)元開啟或關(guān)閉的概率；

c.將得到神經(jīng)元開啟或關(guān)閉的概率與抽取的隨機(jī)值進(jìn)行比較，以確定開啟或關(guān)閉的隱藏節(jié)點(diǎn)，實(shí)現(xiàn)受限玻爾茲曼機(jī)網(wǎng)絡(luò)模型的構(gòu)建。

5.根據(jù)權(quán)利要求4所述的基于受限玻爾茲曼機(jī)的置換混疊圖像盲分離方法，其特征在于，所述的步驟c中的抽取的隨機(jī)值服從(0，1)均勻分布。

6.根據(jù)權(quán)利要求1所述的基于受限玻爾茲曼機(jī)的置換混疊圖像盲分離方法，其特征在于，所述步驟2)采用對比散度快速學(xué)習(xí)算法訓(xùn)練受限玻爾茲曼機(jī)網(wǎng)絡(luò)模型，過程如下：

a.將含有模糊的置換混疊圖像賦值給所構(gòu)建的受限玻爾茲曼機(jī)網(wǎng)絡(luò)模型中的可視節(jié)點(diǎn)，計(jì)算隱藏節(jié)點(diǎn)被開啟的概率；

b.從計(jì)算出的概率分布中提取一個樣本數(shù)據(jù)，并利用該樣本數(shù)據(jù)重構(gòu)顯層；

c.提取顯層的一個樣本，利用重構(gòu)后的顯層神經(jīng)元計(jì)算出隱藏層神經(jīng)元被開啟的概率；

d.更新權(quán)重，循環(huán)調(diào)整受限玻爾茲曼機(jī)網(wǎng)絡(luò)模型的參數(shù)，獲得最優(yōu)網(wǎng)絡(luò)模型。

7.根據(jù)權(quán)利要求6所述的基于受限玻爾茲曼機(jī)的置換混疊圖像盲分離方法，其特征在于，權(quán)重更新采用的公式如下：

W←W+λ(P(h⁽⁰⁾＝1|v⁽⁰⁾)v^(0)T-P(h⁽¹⁾＝1|v⁽¹⁾)v^(1)T)

其中，W代表權(quán)重，λ代表每次權(quán)重改變的幅度，P(h⁽⁰⁾＝1|v⁽⁰⁾)v⁽⁰⁾代表根據(jù)可視層節(jié)點(diǎn)v⁽⁰⁾計(jì)算隱層節(jié)點(diǎn)h⁽⁰⁾的概率，P(h⁽¹⁾＝1|v⁽¹⁾)v⁽¹⁾代表利用受限玻爾茲曼機(jī)網(wǎng)絡(luò)模型對數(shù)據(jù)進(jìn)行重構(gòu)后的可視節(jié)點(diǎn)v⁽¹⁾計(jì)算隱層節(jié)點(diǎn)h⁽¹⁾的概率。