买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：河南大学

摘要：本发明属于图像处理技术领域，特别涉及一种基于多尺度深度空洞残差网络的图像压缩感知重建方法及系统，针对图像数据，使用卷积采样网络模拟传统压缩感知测量过程对图像进行测量后得到测量值，测量值经过亚像素卷积网络完成测量向量到原始信号的初步重建；并在多尺度深度空洞残差网络中使用不同的空洞卷积来卷积学习不同的尺度特征，通过融合多尺度信息，增加网络的感受野以捕捉更多的上下文信息，从而提升成像效果；并通过使用卷积层代替传统随机矩阵的方法进行采样，提升测量值与图像的相关性。本发明能够在具有高重建图像质量的同时，可以解决现有基于块采样存在的图像块效应问题，便于实际重建图像场景中的应用。

主权项：1.一种基于多尺度深度空洞残差网络的图像压缩感知重建方法，其特征在于，包含如下内容：收集图像样本数据，并将数据按预设比例划分为训练集和测试集；构建用于图像压缩感知重建的多尺度深度空洞残差网络模型并利用训练集和测试集中数据对模型进行训练调优，其中，多尺度深度空洞残差网络模型包含：用于依据设定的采样率对输入图像数据进行分割采样并生成与输入对应测量值的采样网络，用于依据采样网络输出的测量值进行图像重建并获取初始重建图像的初始重建网络，和用于对初始重建网络获取的初始重建图像进行多尺度空洞卷积来获取深度重建图像的深度重建网络；所述采样网络采用大小为B×B×l、步长为B×B的卷积核进行模拟采样，并生成大小为的测量值，其中，M、N为输入图像数据长、宽尺寸；所述初始重建网络包含：用于将采样网络生成的测量值的结点以获取输入图像数据测量值特征的全连接层，及用于对输入图像数据测量值特征进行缩放和sub-pixel亚像素重建的亚像素卷积块；所述深度重建网络包含：用于学习不同尺寸的初始重建图像特征的若干空洞卷积分支，及用于融合合并该若干空洞卷积分支多尺度特征信息的连接层，及用于对融合的多尺度特征信息进行卷积和批量归一化操作的输出层；所述深度重建网络采用残差网络结构，利用不同速率的空洞卷积来卷积学习初始重建图像特征获取多尺度特征信息，并在深度重建网络输入和输出之间进行跳跃连接；利用训练优化后的多尺度深度空洞残差网络模型对目标图像数据进行压缩感知重建。

全文数据：

权利要求：

百度查询： 河南大学 基于多尺度深度空洞残差网络的图像压缩感知重建方法及系统