[發(fā)明專利]基于拉東域稀疏表征的數(shù)據(jù)重構方法及相關設備

在審

• 申請?zhí)枺?/td>: 202211262099.3
• 申請日: 2022-10-14
• 公開（公告）號: CN115660044A
• 公開（公告）日: 2023-01-31
• 發(fā)明（設計）人: 段含婷;張樂;吳艷芹;呂田田
• 申請（專利權）人: 中國電信股份有限公司
• 主分類號: G06N3/0464
• 分類號: G06N3/0464;G06N3/048;G06N3/09
• 代理公司: 北京律智知識產(chǎn)權代理有限公司 11438
• 代理人: 孫寶海

本公開提供了一種基于拉東域稀疏表征的數(shù)據(jù)重構方法及相關設備，涉及通信技術領域，該方法包括：獲取低分辨率拉東系數(shù)；將所述低分辨率拉東系數(shù)輸入至編碼?解碼結構的神經(jīng)網(wǎng)絡得到第一高分辨率拉東系數(shù)；通過所述神經(jīng)網(wǎng)絡后級聯(lián)的自適應軟閾值函數(shù)增加所述第一高分辨率拉東系數(shù)的稀疏程度得到第二高分辨率拉東系數(shù)。本方法可以實現(xiàn)減小時變拉東變換時域反演的數(shù)據(jù)規(guī)模、運算時間、運算成本以及提高重構數(shù)據(jù)的穩(wěn)定性和分辨率。

技術領域

本公開涉及通信技術領域，尤其涉及一種基于拉東域稀疏表征的數(shù)據(jù)重構方法、裝置、計算機可讀存儲介質(zhì)及電子設備。

背景技術

隨著現(xiàn)代科技的高速發(fā)展，網(wǎng)絡中生成的數(shù)據(jù)類型和數(shù)據(jù)量急劇增多，增大了網(wǎng)絡運維人員數(shù)據(jù)處理的難度，且低分辨率的數(shù)據(jù)難以達到訓練高準確率算法模型的需求。高分辨率數(shù)據(jù)的像素密度大，細節(jié)展現(xiàn)非常清晰和豐富，高頻成分較多，可以滿足研究學者對于數(shù)據(jù)的后期處理和實際應用的需求。數(shù)據(jù)超分辨率重構將低分辨率數(shù)據(jù)生成同場景高分辨率數(shù)據(jù)的過程，多應用在數(shù)據(jù)預處理、提取知識圖譜的特征信息等領域中。從觀測數(shù)據(jù)得到物理參數(shù)的過程稱為反演過程。反演問題通常是一個不適定問題，只有對反演進行約束才能夠得到一個較為精確且穩(wěn)定的解。稀疏反演被證明是低分辨率數(shù)據(jù)處理的重要工具。低分辨率數(shù)據(jù)可以用適當變換域中的少數(shù)系數(shù)表示，并且變換域中的稀疏數(shù)據(jù)十分有利于去噪、分離、高分辨率重構等操作。拉東Radon反演作為數(shù)據(jù)圖像處理的重要手段之一，對數(shù)據(jù)圖像的超分辨率重構提供保障。

就其應用而言，拉東Radon變換面臨兩大問題：

其一是計算效率低，利用大量復雜的數(shù)據(jù)反演涉及到大型算子矩陣、特征向量的構造，運算時間長、成本高；其二是分辨率難以滿足要求，真實數(shù)據(jù)質(zhì)量差，像素密度小將導致低分辨率的反演結果，只能通過算法上的改進彌補這一缺陷。

需要說明的是，在上述背景技術部分公開的信息僅用于加強對本公開的背景的理解，因此可以包括不構成對本領域普通技術人員已知的現(xiàn)有技術的信息。

發(fā)明內(nèi)容

本公開的目的在于提供一種基于拉東域稀疏表征的數(shù)據(jù)重構方法、裝置、計算機可讀存儲介質(zhì)及電子設備，以至少解決相關技術中針對時變拉東變換時域反演矩陣規(guī)模過大、運算時間長、成本高以及卷積算子反演不穩(wěn)定、分辨率低的技術問題。

本公開的其他特性和優(yōu)點將通過下面的詳細描述變得顯然，或部分地通過本公開的實踐而習得。

本公開的技術方案如下：

根據(jù)本公開的一個方面，提供一種基于拉東域稀疏表征的數(shù)據(jù)重構方法，該方法包括：獲取低分辨率拉東系數(shù)；將所述低分辨率拉東系數(shù)輸入至編碼-解碼結構的神經(jīng)網(wǎng)絡得到第一高分辨率拉東系數(shù)；通過所述神經(jīng)網(wǎng)絡后級聯(lián)的自適應軟閾值函數(shù)增加所述第一高分辨率拉東系數(shù)的稀疏程度得到第二高分辨率拉東系數(shù)。

在本公開的一些實施例中，將低分辨率拉東系數(shù)輸入至編碼-解碼結構的神經(jīng)網(wǎng)絡得到第一高分辨率拉東系數(shù)的步驟包括：將低分辨率拉東系數(shù)通過神經(jīng)網(wǎng)絡中的編碼卷積層進行下采樣得到編碼數(shù)據(jù)；將編碼數(shù)據(jù)通過神經(jīng)網(wǎng)絡中的解碼卷積層進行上采樣得到的解碼數(shù)據(jù)融合下采樣過程中得到的編碼數(shù)據(jù)得到第一高分辨率拉東系數(shù)。

在本公開的一些實施例中，獲取低分辨率拉東系數(shù)的步驟之前包括：將訓練數(shù)據(jù)集依次輸入至所述神經(jīng)網(wǎng)絡和所述自適應軟閾值函數(shù)，得到預測變換域系數(shù)；計算所述預測變換域系數(shù)的損失值；以及根據(jù)所述損失值，梯度更新所述自適應軟閾值函數(shù)。

在本公開的一些實施例中，使用共軛解和對應的最小二乘解構建訓練數(shù)據(jù)集，所述共軛解作為模型輸入，所述最小二乘解作為標簽。

在本公開的一些實施例中，計算所述預測變換域系數(shù)的損失值的損失函數(shù)表示為公式(3)。

在本公開的一些實施例中，自適應軟閾值函數(shù)AdST表示為公式(4)。