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：南京邮电大学

摘要：本发明公开了一种基于标准化流的图像压缩感知重构方法和系统，该方法提出一种特殊的可逆深度神经网络构成的重构模块，采用逐层升维的形式，创新性地将压缩感知图像重构分解为若干个固定重构子网和可变重构子网，增加了网络的可解释性。在训练阶段，利用标准化流和多层监督的训练方式，通过构建多特征损失函数，将采样过程中丢失的信息映射为符合标准正态分布的高频信息和低频信息上，重构时再从标准正态分布上随机采样，结合测量值，利用网络的可逆性重构出图像块，提高了重构质量。本发明方法适用于采样端资源受限、对重构质量要求高，对实时性要求高的图像传感系统。

主权项：1.一种基于标准化流的图像压缩感知重构方法，其特征在于，包括：获取重构模型，所述重构模型为若干固定重构子网和可变重构子网构成的端到端可逆深度神经网络；获取待重构图像块的测量值，将所述图像块的测量值与标准正态分布上的随机采样输入到重构模型，利用重构模型的逆操作获得重构完成的图像块；对重构完成的图像块按顺序重新拼接获得最终的重构图像；其中所述可变重构子网将图像块的测量值，与可变维度的标准正态分布上的采样值进行合并，对合并结果利用逆操作得到低频成分，实现采样域到低频域的升维；所述固定重构子网利用逆操作，将低频成分与标准正态分布上的采样值结合，实现低频域到高频域的升维，获得重构完成的图像块；所述方法包括对所述可逆深度神经网络进行训练，在训练阶段，将用于训练的图片进行预处理得到统一规格的图像块x0，将所述图像块x0输入到所述固定重构子网，固定重构子网将图像块x0经过哈尔小波变换初步获得低频系数和高频系数；基于低频系数和高频系数利用至少一个可逆网络块，进一步抽象出图像块x0的低频成分和高频信息；将高频信息的分布去拟合标准正态分布；将低频成分输入到相邻的下一个子网，所述子网为固定重构子网或可变重构子网；所述可变重构子网对上一子网输出的低频成分进行通道轴的升维，然后利用增强仿射变换获得输出的测量值y*和低频信息，将低频信息的分布去拟合标准正态分布；根据输出的测量值y*与图像块的原测量值y、高频信息的分布与标准正态分布、低频信息的分布与标准正态分布、原始图像块与重构图像块之间的差异确定重构模型的多特征损失函数，并计算网络训练损失；利用梯度下降算法，更新卷积神经网络的权值参数；进而得到训练好的重构模型；重构模型的多特征损失函数表示如下：Ltotal＝λ1Lmeasure+λ2Lrecon+λ3Ldistr；其中，Ltotal表示重构模型的网络损失，Lmeasure表示测量值损失，Lrecon表示重构损失，Ldistr表示分布损失，λ1,λ2和λ3分别表示测量值损失、重构损失和分布损失的权重，其数值大小与每一项损失的维度成反比；测量值损失Lmeasure的计算表达式如下： ；其中是度量输出的测量值y*与图像块的原测量值y之间差异的函数；表示输入图像块x0利用神经网络fθ输出的测量值；重构损失Lrecon的计算表达式如下： ；其中是度量原始图像块与重构的第i个图像块xii＝0,1,...,L-1之间差异的函数；表示根据原测量值y和高频信息和低频信息的集合{zk}k＝i+1,...,L获得的重构图像块；分布损失Ldistr的计算表达式如下： ；其中是度量利用神经网络fθ获得的第i个高频信息zi或者第L个低频信息zL与标准正态分布之间差异的函数。

全文数据：

权利要求：

百度查询： 南京邮电大学 一种基于标准化流的图像压缩感知重构方法和系统