[發明專利]一種圖像重建方法、裝置、設備及介質在審
| 申請號： | 201910967772.5 | 申請日： | 2019-10-12 |
| 公開（公告）號： | CN110728732A | 公開（公告）日： | 2020-01-24 |
| 發明（設計）人： | 梁棟;程靜;王海峰;朱燕杰;劉新;鄭海榮 | 申請（專利權）人： | 深圳先進技術研究院 |
| 主分類號： | G06T11/00 | 分類號： | G06T11/00;G06K9/00 |
| 代理公司： | 11332 北京品源專利代理有限公司 | 代理人： | 孟金喆 |
| 地址： | 518055 廣東省深圳*** | 國省代碼： | 廣東;44 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 目標圖像 重建 欠采樣數據 數據保真項 圖像重建 原始圖像 重建圖像 求解 圖像重建過程 數據一致性 神經網絡 采集 圖像 輸出 網絡 | ||
1.一種圖像重建方法，其特征在于，包括：
獲取采集到的欠采樣數據，將所述欠采樣數據輸入至預先訓練好的目標圖像重建模型中，其中，所述目標圖像重建模型是對原始圖像重建模型的數據保真項進行泛化后求解得到的；
獲取所述目標圖像重建模型輸出的重建圖像。
2.根據權利要求1所述的方法，其特征在于，所述目標圖像重建模型的構建，包括：
將所述原始圖像重建模型中的數據保真項進行泛化，得到泛化后的圖像重建模型；
使用迭代軟閾值算法對泛化后的圖像重建模型進行轉化，根據轉化后的圖像重建模型得到所述目標圖像重建模型。
3.根據權利要求2所述的方法，其特征在于，所述轉化后的圖像重建模型中包括所述數據保真項的一階偏導，所述根據轉化后的圖像重建模型得到所述目標圖像重建模型，包括：
使用卷積神經網絡代替所述轉化后的圖像重建模型中數據保真項的一階偏導，得到所述目標圖像重建模型。
4.根據權利要求3所述的方法，其特征在于，所述原始圖像重建模型為：所述泛化后的圖像重建模型為：minmF(Am,f)+λ||Ψm||1，其中，m為待重建圖像，A為編碼矩陣，f為欠采樣數據，λ為正則參數，Ψ表示稀疏變換。
5.根據權利要求4所述的方法，其特征在于，使用迭代軟閾值算法對泛化后的圖像重建模型進行轉化，得到轉化后的圖像重建模型為：
其中，m(n)表示第n次迭代的待重建圖像，ρ為步長，F′為所述數據保真項的一階偏導。
6.根據權利要求5所述的方法，其特征在于，所述使用卷積神經網絡代替所述轉化后的圖像重建模型中數據保真項的一階偏導，得到所述目標圖像重建模型，包括：
將所述數據保真項的一階偏導F′替換為d(n+1)＝Γ(Am(n)，f)，得到所述目標圖像重建模型：
其中，d(n+1)表示所述數據保真項的一階偏導，表示前向變換，G表示反向變換，θ為軟閾值參數。
7.根據權利要求6所述的方法，其特征在于，還包括：
獲取樣本欠采樣數據以及所述樣本欠采樣數據對應的樣本全采樣圖像；
基于所述樣本欠采樣數據以及所述樣本欠采樣數據對應的樣本全采樣圖像生成訓練樣本對，使用所述訓練樣本對對所述目標圖像重建模型進行訓練，得到訓練好的目標圖像重建模型。
8.一種圖像重建裝置，其特征在于，包括：
欠采樣數據獲取模塊，用于獲取采集到的欠采樣數據，將所述欠采樣數據輸入至預先訓練好的目標圖像重建模型中，其中，所述圖像重建模型是對原始圖像重建模型的數據保真項進行泛化后求解得到的；
重建圖像獲取模塊，用于獲取所述目標圖像重建模型輸出的重建圖像。
9.一種計算機設備，其特征在于，所述設備包括：
一個或多個處理器；
存儲裝置，用于存儲一個或多個程序；
當所述一個或多個程序被所述一個或多個處理器執行，使得所述一個或多個處理器實現如權利要求1-7中任一所述的圖像重建方法。
10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，該程序被處理器執行時實現如權利要求1-7中任一所述的圖像重建方法。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于深圳先進技術研究院，未經深圳先進技術研究院許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201910967772.5/1.html，轉載請聲明來源鉆瓜專利網。
