[發明專利]一種基于內容自適應的可伸縮網絡的圖像壓縮感知方法

有效

• 申請號: 202110652371.8
• 申請日: 2021-06-11
• 公開（公告）號: CN113284202B
• 公開（公告）日: 2022-10-25
• 發明（設計）人: 張健;陳斌
• 申請（專利權）人: 北京大學深圳研究生院
• 主分類號: G06T9/00
• 分類號: G06T9/00;G06T3/00
• 代理公司: 北京京萬通知識產權代理有限公司 11440
• 代理人: 萬學堂;王躍交

1.一種基于內容自適應的可伸縮網絡的圖像壓縮感知方法，其特征在于，包括以下步驟：

S1.構造訓練數據集：構造所述訓練數據集用于訓練內容自適應的可伸縮網絡，所述訓練數據集由多個自然圖像數據構成；

S2.構造內容自適應的可伸縮網絡：分別構造所述內容自適應的可伸縮網絡的三個子網絡：采樣子網絡、初始化子網絡與復原子網絡；

S3.內容自適應的可伸縮網絡訓練過程：基于步驟S1中的所述訓練數據集，給定損失函數，使用反向傳播和梯度下降算法不斷對內容自適應的可伸縮網絡的三個子網絡的參數進行聯合優化，直至損失函數值穩定；

S4.應用訓練好的內容自適應的可伸縮網絡進行圖像的壓縮感知采樣和重建過程：將采樣子網絡部署于編碼端，將初始化子網絡與復原子網絡部署于重建端。

2.據權利要求1所述的基于內容自適應的可伸縮網絡的圖像壓縮感知方法，其特征在于，在步驟S1中，在構造所述訓練數據集時，首先搜集內容、尺寸合適的圖像數據，構成一個訓練數據x，多個訓練數據x構成網絡訓練數據集集合Γ。

3.據權利要求1所述的基于內容自適應的可伸縮網絡的圖像壓縮感知方法，其特征在于，在步驟S2中，所述采樣子網絡包含一個輕量級顯著性檢測網絡，所述復原子網絡通過對一優化壓縮感知能量模型的迭代算法進行深度展開得到，由梯度下降模塊和近端映射模塊交替堆疊而成，并將圖像顯著性特征提取器運用到近端映射模塊中，且三個子網絡共享一個可學習母矩陣，其被用于產生對應于任意采樣率的采樣矩陣。

4.據權利要求1所述的基于內容自適應的可伸縮網絡的圖像壓縮感知方法，其特征在于，在步驟S2中，首先在所述采樣子網絡使用一個輕量級的卷積神經網絡對待壓縮圖像進行掃描并評價其各區域的重要性，獲得顯著性分布圖S，再對顯著性分布圖以塊為單位進行聚合，并實現精準的采樣率分配，最終獲得分配好的塊采樣率映射表R。

5.據權利要求1所述的基于內容自適應的可伸縮網絡的圖像壓縮感知方法，其特征在于，在步驟S4中，首先將訓練好的所述采樣子網絡部署于系統的編碼端，將訓練好的所述初始化子網絡與所述復原子網絡部署于系統的重建端；然后向采樣端的所述采樣子網絡輸入待采樣圖像，其網絡輸出為原圖像各個子圖像塊所對應的壓縮感知測量值以及采樣率映射表；將所述采樣子網絡的輸出由編碼端發送至重建端后，經所述初始化子網絡和所述復原子網絡的處理，獲得重建后的圖像。