[發明專利]基于目標向量更新模塊的單幅圖像復原迭代框架

有效

• 申請號: 202011059753.1
• 申請日: 2020-09-30
• 公開（公告）號: CN114331853B
• 公開（公告）日: 2023-05-12
• 發明（設計）人: 任超;翟森;王正勇;何小海;卿粼波;熊淑華;滕奇志
• 申請（專利權）人: 四川大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T5/10;G06V10/774;G06V10/80;G06V10/82;G06N3/0464;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種基于目標向量更新模塊的單幅圖像復原迭代框架。主要包括以下步驟：使用HQS算法對原圖像復原問題進行分解得到兩個子問題，使用基于動量的梯度下降法對其中的圖像復原逆子問題進行求解，引入一種目標向量更新模塊，得到像素域上的迭代框架；針對先驗相關子問題，設計一個有效的圖像復原算子，它被包含在目標向量更新模塊中；利用CNN的特征提取能力，將重建迭代框架的求解域從像素域變到變換域，由此得到變換域上的單幅圖像復原重建迭代框架；訓練特征域上的迭代框架，輸出最終的圖像復原結果。本發明所述的單幅圖像復原方法能獲得很好的主客觀效果，且運行速度較快。因此，本發明是一種有效的單幅圖像復原方法。

技術領域

本發明涉及圖像復原技術，具體涉及一種基于目標向量更新模塊的單幅圖像復原迭代框架，屬于圖像處理領域。

背景技術

圖像復原是圖像處理中的一個重要研究內容，在改善圖像質量方面具有重要意義，圖像復原技術根據退化過程進行數學建模，通過求解逆問題，從單幅或一組退化圖像(序列)來產生高質量圖像。在圖像的獲取、傳輸以及保存過程中，由于各種因素如大氣湍流效應、光學系統像差等的影響，圖像退化在所難免。因此在實際中，圖像復原有著極其寬廣的應用領域，其在軍事、醫學、公共安全、計算機視覺等方面都存在著重要的應用前景。作為一種底層視覺技術，圖像復原在恢復出高質量圖像的同時，也為中層和高層視覺技術奠定了基礎，因此受到了廣泛的研究。

在單幅圖像復原方法中，基于重建的方法主要利用特定先驗項來約束重建過程，此類方法通常有明確的理論基礎，但重建速度較慢，在恢復圖像的精細紋理上表現欠佳。基于深度學習的卷積神經網絡(Convolutional?neural?network，CNN)通過學習大量原圖—降質圖圖像對之間的映射關系來進行復原重建。在圖像復原中，對卷積神經網絡的研究已有很多。然而，目前僅僅通過簡單地改變傳統的顯式先驗項形式或設計更深的神經網絡結構來顯著提升復原重建效果是非常具有挑戰性的。

發明內容

本發明的目的是使用半二次方分裂算法(Half?quadratic?splitting，HQS)將原始的圖像復原問題解耦成兩個子問題，一個叫做圖像復原逆子問題，另一個叫做先驗相關子問題。再使用動量梯度法對圖像復原逆子問題進行求解，將迭代求解過程展開為一個深度神經網絡(Deep?neural?network，DNN)，從而構建一種基于目標向量更新模塊的單幅圖像復原迭代框架。

本發明提出的基于目標向量更新模塊的單幅圖像復原迭代框架，主要包括以下操作步驟：

(1)首先使用HQS算法，對原單幅圖像復原問題進行分解，得到一個圖像復原逆子問題、一個先驗相關子問題；再使用基于動量的梯度下降算法對得到的圖像復原逆子問題進行求解，并引入一種目標向量更新模塊(Target?vector?update,TVU)，得到像素域上基于HQS算法的單幅圖像復原重建迭代框架；

(2)針對先驗相關子問題，設計一個有效的圖像復原算子(Image?Restorationoperator,IR?operator)，該算子包含在目標向量更新模塊中，其表現會顯著影響目標更新向量模塊的輸出；

(3)利用CNN的特征提取能力，將步驟一中重建迭代框架的求解域，從像素域變到變換域，由此得到變換域上的單幅圖像復原重建迭代框架；

(4)利用訓練圖像數據集，訓練步驟三中得到的單幅圖像復原重建迭代框架；

(5)重復步驟四，直到迭代框架收斂，最后輸出即為最終的圖像重建結果；

附圖說明

圖1是本發明基于目標向量更新模塊的單幅圖像復原迭代框架的原理框圖

圖2是本發明圖像復原算子的網絡結構圖

圖3是本發明多層次特征融合模塊的網絡結構圖

圖4是本發明殘差塊路徑的網絡結構圖