[發(fā)明專利]一種光譜層析成像中的圖像重建和編碼方法

在審

• 申請?zhí)枺?/td>: 202011018487.8
• 申請日: 2020-09-24
• 公開（公告）號: CN112270725A
• 公開（公告）日: 2021-01-26
• 發(fā)明（設計）人: 仇飛;顏森林
• 申請（專利權）人: 南京曉莊學院
• 主分類號: G06T11/00
• 分類號: G06T11/00;G06N3/08
• 代理公司: 北京中索知識產權代理有限公司 11640
• 代理人: 鄒長斌

1.一種光譜層析成像中的圖像重建和編碼方法，其特征在于，包括如下步驟：

步驟S1：獲取光譜層析圖像信號X作為訓練數(shù)據(jù)，對數(shù)據(jù)灰度預處理并完成信號的腐蝕得到X1；

步驟S2：搭建自編碼去噪稀疏網絡的編碼子網絡，編碼子網絡為一個三層全連接神經網絡，光譜層析圖像信號X通過編碼子網絡得到測量值y；

步驟S3：搭建自編碼去噪稀疏網絡的解碼子網絡，解碼子網絡是與編碼子網絡結構對稱的三層全連接神經網絡，測量值y通過解碼子網絡得到重建圖片X2；

步驟S4：引入稀疏性的限制，生成損失函數(shù)；

步驟S5：對編碼和解碼子網絡進行聯(lián)合訓練，通過反向傳播算法對損失函數(shù)進行優(yōu)化，更新參數(shù)并得到最優(yōu)的稀疏去噪自編碼網絡。

2.根據(jù)權利要求1所述的光譜層析成像中的圖像重建和編碼方法，其特征在于，所述步驟S1對圖像信號X進行灰度處理，并加入一定概率分布的高斯白噪聲對信號得到腐蝕信號：X1＝X+λn，其中n表示為零均值和方差為1的加性高斯采樣噪聲，λ表示為信號腐蝕強度。

3.根據(jù)權利要求2所述的光譜層析成像中的圖像重建和編碼方法，其特征在于，所述步驟S2建立稀疏去噪自編碼網絡的編碼子網絡Te(.)，并得到測量值y，所述編碼子網絡為一個三層全連接神經網絡：輸入層，隱藏層和輸出層，將腐蝕信號X1＝X+λn作為輸入數(shù)據(jù)，隱藏層特征向量表示為：

a1＝f(W1X1+b1)

輸出層輸出即測量值y表示為：

y＝f(W2a1+b2)

式中W1、b1表示l層和l+1層之間的權重矩陣和偏置值，f(.)表示sigmoid激活函數(shù)；將三層網絡看做一個整體得到編碼子網絡Te(.)，編碼過程如下:

y＝Te(X1,Ωe)

式中Ωe＝{W1,W2,b1,b2}表示編碼過程中所有參數(shù)集合，Te表示編碼子網絡。

4.根據(jù)權利要求3所述的光譜層析成像中的圖像重建和編碼方法，其特征在于，所述步驟S3建立稀疏去噪自編碼網絡的解碼子網絡Te(.)，并對測量值y重構得到重建圖片，所述解碼子網絡是與編碼子網絡結構對稱的三層全連接神經網絡：輸入層，隱藏層和輸出層，將測量值y作為輸入數(shù)據(jù)，隱藏層特征向量表示為：

a3＝f(W3y+b3)

輸出層輸出即重建圖片表示為：

X2＝f(W4a3+b4)

式中W3、b3表示l層和l+1層之間的權重矩陣和偏置值，f(.)表示sigmoid激活函數(shù)；

將三層網絡看做一個整體得到解碼子網絡Td(.)，解碼過程如下：

X2＝Td(y,Ωd)

其中Ωd＝{W3,W4,b3,b4}表示解碼過程中所有參數(shù)集合，Td表示解碼子網絡。

5.根據(jù)權利要求4所述的光譜層析成像中的圖像重建和編碼方法，其特征在于，所述步驟S4為了降低重構圖片與原始圖片之間誤差，采用了均方誤差作為損失函數(shù)，并引入稀疏性限制以提高網絡性能：

式中第一項為均方誤差，N表示訓練樣本數(shù)目，X1_i表示第i個重構圖片，X_i表示第i個原始圖片；第二項為稀疏性限制項，ρ1_j表示在訓練集中隱藏神經元j的平均激活度，ρ表示期待的激活度，β表示稀疏性限制項參數(shù)。

6.根據(jù)權利要求5所述的光譜層析成像中的圖像重建和編碼方法，其特征在于，所述步驟S5對編碼和解碼子網絡進行聯(lián)合訓練，通過反向傳播算法對損失函數(shù)進行優(yōu)化，更新參數(shù)使得損失函數(shù)最小，從而得到最優(yōu)稀疏去噪自編碼網絡。