[發(fā)明專利]基于生成對抗殘差網(wǎng)絡的壓縮感知采樣重建方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202010830545.0
• 申請日: 2020-08-18
• 公開（公告）號: CN112116601B
• 公開（公告）日: 2023-04-28
• 發(fā)明（設計）人: 柴秀麗;田野;王音景;付江豫;甘志華;路楊
• 申請（專利權(quán)）人: 河南大學
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06V10/82;G06N3/0464;G06N3/08;G06V10/80
• 代理公司: 鄭州大通專利商標代理有限公司 41111
• 代理人: 張立強

1.一種基于線性采樣網(wǎng)絡及生成對抗殘差網(wǎng)絡的壓縮感知采樣重建方法，其特征在于，包括：

步驟1：獲取訓練圖像，并通過分割處理將訓練圖像分割為多個圖像塊；

步驟2：構(gòu)建線性采樣網(wǎng)絡對圖像塊進行測量，獲得各圖像塊對應的測量值；所述步驟2中線性采樣網(wǎng)絡的測量過程包括：

y_i＝S(x_i)＝W_s×x_i

其中x_i表示第i個圖像塊；y_i表示第i個圖像塊對應的測量向量；S()表示線性采樣網(wǎng)絡的映射過程；W_s為該線性采樣網(wǎng)絡的權(quán)值參數(shù)矩陣，訓練后可用作測量矩陣；

步驟3：在生成對抗殘差網(wǎng)絡中，先通過全連接層對各圖像塊的測量值進行線性映射處理，獲得初始重建結(jié)果；

步驟4：將初始重建結(jié)果輸入殘差網(wǎng)絡中，訓練獲得殘差信息；

步驟5：將初始重建結(jié)果與殘差信息進行信號融合，從而得到生成器的生成結(jié)果；

步驟6：將生成器的生成結(jié)果與原始圖像塊共同輸入鑒別器中進行判斷；

步驟7：計算損失函數(shù)，對線性采樣網(wǎng)絡及生成對抗殘差網(wǎng)絡進行迭代訓練，從而得到最終圖像重建結(jié)果。

2.根據(jù)權(quán)利要求1所述的一種基于線性采樣網(wǎng)絡及生成對抗殘差網(wǎng)絡的壓縮感知采樣重建方法，其特征在于，所述步驟1包括：

根據(jù)預設步長及分塊大小對原始圖像進行分割，生成多個圖像塊，并打亂圖像塊順序。

3.根據(jù)權(quán)利要求1所述的一種基于線性采樣網(wǎng)絡及生成對抗殘差網(wǎng)絡的壓縮感知采樣重建方法，其特征在于，所述步驟3包括：

采用一個帶偏差的全連接層網(wǎng)絡對測量值進行重構(gòu)操作，通過初始重建可得到初始重建圖像塊：

其中為第i個圖像塊對應的初始重建結(jié)果，y_i表示第i個圖像塊對應的測量向量，W_f為全連接層的權(quán)值參數(shù)矩陣，b_i為全連接層偏差向量。

4.根據(jù)權(quán)利要求1所述的一種基于線性采樣網(wǎng)絡及生成對抗殘差網(wǎng)絡的壓縮感知采樣重建方法，其特征在于，所述步驟4中的殘差網(wǎng)絡由特征提取層、兩個殘差塊及特征映射層組成。

5.根據(jù)權(quán)利要求1所述的一種基于線性采樣網(wǎng)絡及生成對抗殘差網(wǎng)絡的壓縮感知采樣重建方法，其特征在于，所述步驟5包括：

按照如下方式將初始重建結(jié)果與獲得的殘差信息進行特征融合：

其中為第i個圖像塊對應的生成器生成結(jié)果，G()為生成器網(wǎng)絡的映射過程，Θ_g為生成器網(wǎng)絡參數(shù)，為第i個圖像塊對應的初始重建結(jié)果，表示對應的殘差信息。

6.根據(jù)權(quán)利要求1所述的一種基于線性采樣網(wǎng)絡及生成對抗殘差網(wǎng)絡的壓縮感知采樣重建方法，其特征在于，所述步驟7包括：

對生成器的重建部分設置相應的損失函數(shù)：

其中G()為生成器網(wǎng)絡的映射過程，Θ_g為生成器網(wǎng)絡參數(shù),N表示圖像塊數(shù)目；

通過重建損失結(jié)合生成器本身的損失，最終生成器網(wǎng)絡損失為：

其中D()為鑒別器網(wǎng)絡的映射過程，‖.‖₂表示凸優(yōu)化的l2范數(shù)，λ_rec、λ_adv為設定的權(quán)重參數(shù)，Θ_d為鑒別器網(wǎng)絡參數(shù)；

對鑒別器網(wǎng)絡設置相應的損失函數(shù)，鑒別器網(wǎng)絡損失函數(shù)為：

其中z_i為第i個圖像塊對應的生成器生成結(jié)果與第i個圖像塊x_i之間的差值，α為一個與x_i維度相同的隨機矩陣，λ_z為設定的權(quán)重參數(shù)，表示梯度。

7.一種基于線性采樣網(wǎng)絡及生成對抗殘差網(wǎng)絡的壓縮感知采樣重建系統(tǒng)，其特征在于，包括：

圖像處理模塊，用于獲取訓練圖像，并通過分割處理將訓練圖像分割為多個圖像塊；

線性采樣網(wǎng)絡構(gòu)建模塊，用于構(gòu)建線性采樣網(wǎng)絡對圖像塊進行測量，獲得各圖像塊對應的測量值；所述線性采樣網(wǎng)絡構(gòu)建模塊中線性采樣網(wǎng)絡的測量過程包括：

y_i＝S(x_i)＝W_s×x_i

其中x_i表示第i個圖像塊；y_i表示第i個圖像塊對應的測量向量；S()表示線性采樣網(wǎng)絡的映射過程；W_s為該線性采樣網(wǎng)絡的權(quán)值參數(shù)矩陣，訓練后可用作測量矩陣；

初始重建模塊，用于在生成對抗殘差網(wǎng)絡中，先通過全連接層對各圖像塊的測量值進行線性映射處理，獲得初始重建結(jié)果；

殘差模塊，用于將初始重建結(jié)果輸入殘差網(wǎng)絡中，訓練獲得殘差信息；

特征融合模塊，用于將初始重建結(jié)果與殘差信息進行信號融合，從而得到生成器的生成結(jié)果；

鑒別判斷模塊，用于將生成器的生成結(jié)果與原始圖像塊共同輸入鑒別器中進行判斷；

迭代訓練模塊，用于計算損失函數(shù)，對線性采樣網(wǎng)絡及生成對抗殘差網(wǎng)絡進行迭代訓練，從而得到最終圖像重建結(jié)果。