一种基于稀疏去噪自编码网络的图像压缩感知方法技术

本发明专利技术请求保护一种基于稀疏去噪自编码网络的图像压缩感知方法，属于深度学习与图像处理技术领域。所述方法包括以下步骤：1、获取原始图像信号x作为训练数据，对数据预处理并完成信号腐蚀得到

【技术实现步骤摘要】
一种基于稀疏去噪自编码网络的图像压缩感知方法
本专利技术属于深度学习与图像处理
，具体涉及一种基于稀疏去噪自编码网络的图像压缩感知方法，有效的提高了重建图像的质量并大大的减低重构时间。
技术介绍
随着社会信息化发展,采集和处理的数据量急剧增加,对传感器采样速率、存储设备和传输带宽的要求越来越高。传统的信号处理方式是先高速率采样再压缩后存储或传输,这种方法会造成采样数据的大量浪费。由此出现了压缩感知理论,它能以远低于奈奎斯特采样频率的采用率采集信号,并高精度重建原始信号,在采集信号的同时完成压缩。该理论在医学信号处理、阵列信号处理、无线通信等方法有广泛应用。压缩感知理论主要包含信号稀疏化表示、测量矩阵设计、信号重建三个关键技术,其中信号重建是压缩感知理论的核心所在。目前的重建算法主要包括两类贪婪匹配追踪算法和凸松弛方法。贪婪匹配追踪算法通过迭代不断更新估计信号支撑集最终逼近目标信号,主要包括原子选择和估计信号更新两个基本步骤。贪婪匹配追踪方法重建速度快,但精度不高。凸松弛方法将原来的优化目标范数最小转换为范数最小,再转化为一类有约束条件的极值问题,并利用线性规划求解。凸松弛方法的本文档来自技高网...

【技术保护点】
1.一种基于稀疏去噪自编码网络的图像压缩感知方法，其特征在于，包括以下步骤：步骤1)：获取原始图像信号x作为训练数据，对数据灰度预处理并完成信号腐蚀得到

【技术特征摘要】
1.一种基于稀疏去噪自编码网络的图像压缩感知方法，其特征在于，包括以下步骤：步骤1)：获取原始图像信号x作为训练数据，对数据灰度预处理并完成信号腐蚀得到步骤2)：搭建稀疏去噪自编码网络的编码子网络，编码子网络为一个三层全连接神经网络，图像信号x通过编码子网络得到测量值y；步骤3)：搭建稀疏去噪自编码网络的解码子网络，解码子网络是与编码子网络结构对称的三层全连接神经网络，测量值y通过解码子网络得到重建图片步骤4)：引入稀疏性限制，生成损失函数JSDAE(W,b)；步骤5)：对编码和解码子网络进行联合训练，通过反向传播算法对损失函数JSDAE(W,b)进行优化，更新参数并得到最优的稀疏去噪自编码网络。2.根据权利要求1所述的一种基于稀疏去噪自编码网络的图像压缩感知方法，其特征在于，所述步骤1)对图像信号x进行灰度处理，并加入一定概率分布的高斯白噪声对信号得到腐蚀信号其中n表示为零均值和方差为1的加性高斯采样噪声，λ表示为信号腐蚀强度。3.根据权利要求2所述的一种基于稀疏去噪自编码网络的图像压缩感知方法，其特征在于，所述步骤2)建立稀疏去噪自编码网络的编码子网络Te(·)，并得到测量值y，所述编码子网络为一个三层全连接神经网络：输入层，隐藏层和输出层，将腐蚀信号作为输入数据，隐藏层特征向量表示为输出层输出即测量值y表示为y＝f(W(2)a(1)+b(2))式中W(l),b(l)表示l层和l+1层之间的权重矩阵和偏置值，f(·)表示sigmoid激活函数；将三层网络看做一个整体得到编码子网络Te(·)，编码过程如下式中Ωe＝{W(1),W(2)；b(1),b(2)}表示编码过程中所有参数集合，Te表示编码子网络。4.根据权利要求3所述的一种基于稀疏去噪自编码网络的图像压缩感知方法，其特征在...

【专利技术属性】
技术研发人员：张祖凡，伍云锋，甘臣权，孙韶辉，于秀兰，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆,50