[發(fā)明專利]基于快速傅里葉卷積與卷積濾波流的圖像壓縮感知方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202210847465.5
• 申請(qǐng)日: 2022-07-19
• 公開(kāi)（公告）號(hào): CN115100301A
• 公開(kāi)（公告）日: 2022-09-23
• 發(fā)明（設(shè)計(jì)）人: 朱冬;楊易;方向明;張建;宋雯;唐國(guó)梅;周宇杰;仲元紅
• 申請(qǐng)（專利權(quán)）人: 重慶七騰科技有限公司
• 主分類號(hào): G06T9/00
• 分類號(hào): G06T9/00;G06N3/04
• 代理公司: 重慶西南華渝專利代理有限公司 50270
• 代理人: 陳香蘭

本發(fā)明提供了基于快速傅里葉卷積與卷積濾波流的圖像壓縮感知方法及系統(tǒng)。圖像壓縮感知方法包括：獲取多個(gè)圖像塊測(cè)量值；對(duì)多個(gè)圖像塊測(cè)量值進(jìn)行初始重建獲得初始重建圖像；基于快速傅里葉卷積對(duì)初始重建圖像進(jìn)行進(jìn)一步重建獲得傅里葉卷積重建圖像；將傅里葉卷積重建圖像輸入基于卷積濾波流網(wǎng)絡(luò)的像素級(jí)濾波器獲得濾波處理結(jié)果，將濾波處理結(jié)果與傅里葉卷積重建圖像進(jìn)行卷積獲得最終重建圖像。快速傅里葉卷積對(duì)初始重建圖像進(jìn)一步重建，快速傅里葉卷積感受野能夠覆蓋整個(gè)圖像，有效利用了全局上下文信息，再通過(guò)像素級(jí)濾波器獲取像素局部鄰域的局部信息，兩者結(jié)合有效提升壓縮感知圖像重建效果和視覺(jué)效果。

技術(shù)領(lǐng)域

本發(fā)明屬于圖像壓縮感知技術(shù)領(lǐng)域，尤其涉及一種基于快速傅里葉卷積與卷積濾波流的圖像壓縮感知方法及系統(tǒng)。

背景技術(shù)

在圖像壓縮感知重建算法的研究中，一些傳統(tǒng)的算法如MH(如2020年由W.Shi、F.Jiang、S.Liu等在IEEE Transactions on Image Processing上公開(kāi)的論文“Imagecompressed sensing using convolutional neural network[J]”中有公開(kāi)MH算法)，大多從圖像先驗(yàn)著手添加額外的優(yōu)化方法或結(jié)合迭代閾值算法，其大多計(jì)算復(fù)雜度較高，圖像重建質(zhì)量不理想。基于深度學(xué)習(xí)的算法如ReconNet(如2016年K.Kulkarni、S.Lohit、P.Turaga等人在Proceedings ofthe IEEE Conference on ComputerVision and PatternRecognition(CVPR)上發(fā)表的論文“ReconNet:Non-iterative reconstruction of imagesfromcompressively sensedmeasurements[C]”,中有公開(kāi)ReconNet算法)，具有較低的計(jì)算成本，但大多數(shù)采用小感受野，導(dǎo)致?lián)p失了圖像本身的非局部信息，重構(gòu)質(zhì)量不高，同時(shí)深度學(xué)習(xí)方法的可解釋性較差這一問(wèn)題還未得以解決。

發(fā)明內(nèi)容

本發(fā)明旨在至少解決現(xiàn)有技術(shù)中存在的技術(shù)問(wèn)題，提供一種基于快速傅里葉卷積與卷積濾波流的圖像壓縮感知方法及系統(tǒng)。

為了實(shí)現(xiàn)本發(fā)明的上述目的，根據(jù)本發(fā)明的第一個(gè)方面，本發(fā)明提供了一種基于快速傅里葉卷積與卷積濾波流的圖像壓縮感知方法，包括：獲取多個(gè)圖像塊測(cè)量值；對(duì)多個(gè)圖像塊測(cè)量值進(jìn)行初始重建獲得初始重建圖像；基于快速傅里葉卷積對(duì)初始重建圖像進(jìn)行進(jìn)一步重建獲得傅里葉卷積重建圖像；將傅里葉卷積重建圖像輸入基于卷積濾波流網(wǎng)絡(luò)的像素級(jí)濾波器獲得濾波處理結(jié)果，將濾波處理結(jié)果與傅里葉卷積重建圖像進(jìn)行卷積獲得最終重建圖像。

為了實(shí)現(xiàn)本發(fā)明的上述目的，根據(jù)本發(fā)明的第二個(gè)方面，本發(fā)明提供了一種快速傅里葉卷積與卷積濾波流的圖像壓縮感知系統(tǒng)，包括：采樣模塊，用于對(duì)原始圖像進(jìn)行壓縮采樣獲得多個(gè)圖像塊測(cè)量值；初始重建模塊，用于對(duì)多個(gè)圖像塊測(cè)量值進(jìn)行初始重建獲得初始重建圖像；傅里葉卷積重建模塊，基于快速傅里葉卷積進(jìn)一步對(duì)初始重建圖像進(jìn)行重建獲得傅里葉卷積重建圖像；像素級(jí)濾波器，對(duì)傅里葉卷積重建圖像進(jìn)行濾波處理，所述像素級(jí)濾波器采用卷積濾波流網(wǎng)絡(luò)架構(gòu)；融合模塊，將像素級(jí)濾波器的濾波處理結(jié)果與傅里葉卷積重建圖像進(jìn)行卷積獲得最終重建圖像。

上述技術(shù)方案：本發(fā)明在對(duì)圖像進(jìn)行初始重建后，基于快速傅里葉卷積進(jìn)一步對(duì)初始重建圖像進(jìn)行重建，快速傅里葉卷積具有非局部感受野，感受野能夠覆蓋整個(gè)圖像，有效利用了全局上下文信息，有助于提升重建圖像質(zhì)量，再通過(guò)像素級(jí)濾波器獲取像素局部鄰域的局部信息，具有良好的可解釋性，快速傅里葉卷積和卷積濾波流結(jié)合充分利用信號(hào)的稀疏性以及信號(hào)自身的機(jī)構(gòu)信息，有效提升壓縮感知圖像重建效果和視覺(jué)效果。

附圖說(shuō)明

圖1是本發(fā)明一種優(yōu)選實(shí)施方式中圖像壓縮感知方法的流程示意圖；

圖2是本發(fā)明一種優(yōu)選實(shí)施方式中圖像壓縮感知方法的詳細(xì)流程示意圖；

圖3是本發(fā)明一種優(yōu)選實(shí)施方式中圖像壓縮感知系統(tǒng)的結(jié)構(gòu)框圖；