[發明專利]一種基于預訓練自編碼器的圖像恢復方法及裝置

在審

• 申請號: 202010188588.3
• 申請日: 2020-03-17
• 公開（公告）號: CN111462000A
• 公開（公告）日: 2020-07-28
• 發明（設計）人: 于振明;李宇昂;陳宇迪;何田田;張佳穎;趙睿寧;徐坤
• 申請（專利權）人: 北京郵電大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06N3/04;G06N3/08
• 代理公司: 北京柏杉松知識產權代理事務所(普通合伙) 11413
• 代理人: 馬敬;趙元

1.一種基于預訓練自編碼器的圖像恢復方法，其特征在于，所述方法包括：

獲取散斑圖像，所述散斑圖像是原始圖像經過多模光纖傳輸后得到的；

將所述散斑圖像輸入圖像恢復網絡模型，得到恢復圖像；

其中，所述圖像恢復網絡模型包括訓練完成的第一編碼器子網絡和第一解碼器子網絡；所述第一解碼器子網絡的初始參數是根據預先訓練完成的自編碼器網絡模型中的參數確定的，所述自編碼器網絡模型是根據第一訓練集訓練得到的，所述第一訓練集包括：第一樣本原始圖像；所述圖像恢復網絡模型是根據第二訓練集訓練得到的，所述第二訓練集包括第二樣本原始圖像以及樣本散斑圖像，所述樣本散斑圖像是所述第二樣本原始圖像經過多模光纖傳輸后得到的。

2.根據權利要求1所述的方法，其特征在于，所述自編碼器網絡模型按照如下方式進行訓練：

獲取初始自編碼器網絡模型，以及所述第一訓練集，所述初始自編碼器網絡模型包括待訓練的第二編碼器子網絡和第二解碼器子網絡；

將所述第一樣本原始圖像輸入所述初始自編碼器網絡模型，得到第一輸出圖像；

基于所述第一輸出圖像與所述第一樣本原始圖像，確定損失值；

基于所述損失值確定所述自編碼器網絡模型是否收斂；

若否，則更新所述第二編碼器子網絡和所述第二解碼器子網絡的參數值，并返回將所述第一樣本原始圖像輸入更新參數值后的自編碼器網絡模型，得到第一輸出圖像的步驟；

若是，則將當前自編碼器網絡模型確定為訓練完成的自編碼器網絡模型。

3.根據權利要求2所述的方法，其特征在于，所述方法還包括：

獲取初始圖像恢復網絡模型，使用訓練完成的自編碼器網絡模型中第二解碼器子網絡的參數對所述初始圖像恢復網絡模型中的第一解碼器子網絡的參數進行初始化，得到待訓練的圖像恢復網絡模型。

4.根據權利要求3所述的方法，其特征在于，所述圖像恢復網絡模型按照如下方法進行訓練：

獲取待訓練的圖像恢復網絡模型，以及所述第二訓練集；

將所述樣本散斑圖像輸入所述待訓練的圖像恢復網絡模型，得到第二輸出圖像；

基于所述第二輸出圖像與所述第二樣本原始圖像，確定第二損失值；

基于所述第二損失值確定所述圖像恢復網絡模型是否收斂；

若否，則更新所述圖像恢復網絡模型的參數值，并返回將所述樣本散斑圖像輸入當前圖像恢復網絡模型，得到第二輸出圖像的步驟；

若是，則將當前圖像恢復網絡模型確定為訓練完成的圖像恢復網絡模型。

5.一種基于預訓練自編碼器的圖像恢復裝置，其特征在于，所述裝置包括：

獲取模塊，用于獲取散斑圖像，所述散斑圖像是原始圖像經過多模光纖傳輸后得到的；

恢復模塊，用于將所述散斑圖像輸入圖像恢復網絡模型，得到恢復圖像；其中，所述圖像恢復網絡模型包括訓練完成的第一編碼器子網絡和第一解碼器子網絡；所述第一解碼器子網絡的初始參數是根據預先訓練完成的自編碼器網絡模型中的參數確定的，所述自編碼器網絡模型是根據第一訓練集訓練得到的，所述第一訓練集包括：第一樣本原始圖像；所述圖像恢復網絡模型是根據第二訓練集訓練得到的，所述第二訓練集包括第二樣本原始圖像以及樣本散斑圖像，所述樣本散斑圖像是所述第二樣本原始圖像經過多模光纖傳輸后得到的。

6.根據權利要求5所述的裝置，其特征在于，所述裝置還包括：第一訓練模塊，所述第一訓練模塊，用于按照如下方式訓練所述自編碼器網絡模型：

獲取初始自編碼器網絡模型，以及所述第一訓練集，所述初始自編碼器網絡模型包括待訓練的第二編碼器子網絡和第二解碼器子網絡；

將所述第一樣本原始圖像輸入所述初始自編碼器網絡模型，得到第一輸出圖像；

基于所述第一輸出圖像與所述第一樣本原始圖像，確定損失值；

基于所述損失值確定所述自編碼器網絡模型是否收斂；

若否，則更新所述第二編碼器子網絡和所述第二解碼器子網絡的參數值，并返回將所述第一樣本原始圖像輸入更新參數值后的自編碼器網絡模型，得到第一輸出圖像的步驟；

若是，則將當前自編碼器網絡模型確定為訓練完成的自編碼器網絡模型。