[發(fā)明專利]一種用于彩色圖像超分辨率重建的6維嵌入的去噪自編碼先驗信息算法

有效

• 申請?zhí)枺?/td>: 201910391958.0
• 申請日: 2019-05-13
• 公開（公告）號: CN110246094B
• 公開（公告）日: 2021-09-28
• 發(fā)明（設(shè)計）人: 劉且根;周瑾潔;何卓楠;袁媛;張鳳芹;王玉皞
• 申請（專利權(quán)）人: 南昌大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06N3/04
• 代理公司: 北京眾合誠成知識產(chǎn)權(quán)代理有限公司 11246
• 代理人: 袁紅梅

1.一種用于彩色圖像超分辨率重建的6維嵌入的去噪自編碼先驗信息算法，其特征在于：包括以下步驟：

步驟A：利用去噪自動編碼(DAE)作為彩色圖像超分辨率重建的先驗信息手段，通過復制3個信道，建立6維嵌入去噪自編碼先驗算法模型；

步驟B：訓練一個以6維變量為輸入的去噪網(wǎng)絡(luò)，然后利用網(wǎng)絡(luò)驅(qū)動的高維先驗陣嵌入的先驗信息對彩色圖像進行超分辨率重建；

步驟C：迭代恢復階段，將中間色圖像映射為6維圖像，利用網(wǎng)絡(luò)進行處理，平均值運算符用于將其轉(zhuǎn)換回三通道圖像；

所述步驟C具體包括：

考慮到在6D和多模型N＝2，對于一般的彩色圖像恢復可以如下：

其中，f表示損壞的圖像，H表示與成像系統(tǒng)相關(guān)的退化矩陣，λ是一個調(diào)整后的參數(shù)，6通道輔助變量簡單地稱為I(u)＝[u,u₁]，表示I，N表示M²DAEP模型的數(shù)量，||Hu-f||²是數(shù)據(jù)保真度項，由網(wǎng)絡(luò)驅(qū)動的先驗信息組成，由于模型的非線性，采用近端梯度法來處理它，隨后，用標準最小二乘法LS最小化模型：

其中，和函數(shù)G(I)是1/β-Lipschitz平滑I′和I″是在有限區(qū)間的任意值，k表示迭代的索引數(shù)，I^k表示第k個I，通過計算梯度可以解決：

上式化簡為：

其中，R表示六個通道上使用的平均運算符，可以觀察到，解決方案公式包含和其中參數(shù)已經(jīng)在網(wǎng)絡(luò)訓練階段學習，特別是，是輸入的正向網(wǎng)絡(luò)輸出，是輸入的反向網(wǎng)絡(luò)輸出；另外，通過交替更新網(wǎng)絡(luò)估計和最小二乘法LS來更新解，直到值收斂。

2.根據(jù)權(quán)利要求1所述的一種用于彩色圖像超分辨率重建的6維嵌入的去噪自編碼先驗信息算法，其特征在于：所述步驟A建立6維嵌入去噪自編碼先驗算法模型的先驗項表示為：

其中，E_η,I中 訓練數(shù)據(jù){I|I(u)＝[u,u₁]}是一組6維圖像，A_ση(I)表示為M²DAE先驗包含的DAE，η是標準差為σ_η的人工噪聲。

3.根據(jù)權(quán)利要求1所述的一種用于彩色圖像超分辨率重建的6維嵌入的去噪自編碼先驗信息算法，其特征在于：所述步驟B具體包括：

自然彩色圖像中的R、G、B通道具有一定的通道先驗性，6通道數(shù)據(jù)的聯(lián)合學習具有一定的結(jié)構(gòu)信息；在彩色圖像恢復中，應(yīng)用輔助變量技術(shù)獲得六通道網(wǎng)絡(luò)誘導的高維結(jié)構(gòu)先驗信息；從6D圖像中學習先前的信息，并將其用于彩色紅外任務(wù)；

用于學習DAE的網(wǎng)絡(luò)體系結(jié)構(gòu)是剩余的編碼器-解碼器網(wǎng)絡(luò)Red Net，網(wǎng)絡(luò)由30層組成，其中15層為卷積層，15層為反卷積層，對稱布置；快捷方式連接匹配的護航解決方案和反褶積層，每層后面都有其校正的線性單元RELU，卷積核的大小為3×3，輸入和輸出層的信道數(shù)為6，其余層的信道數(shù)為64。