基于全连接自动编码机的瞬态图像的数据增强方法技术

本发明专利技术公开了一种基于全连接自动编码机的瞬态图像的数据增强方法，该发明专利技术首先基于瞬态信号的数据分布特点，通过对数变换进行数据转换，将瞬态图像数据转换到新的数据域。然后基于自主设计的全连接自动编码机网络结构，利用自动编码机的自动编码功能，学习出瞬态图像的数据特征。并且通过设置网络结构及相关损失函数、正则化项等，自动编码机不仅能正确学习瞬态图像潜在特征，也能防止过拟合。本发明专利技术方法结合了瞬态图像的数据分布，并利用了全连接自动编码机在数据特征方面的优良特性，较好地提取了瞬态图像的数据特征，并减少了原始数据的噪声，增强了表达瞬态图像的数据的准确率和稳定性。

Data enhancement method of transient image based on fully connected automatic coder

【技术实现步骤摘要】
基于全连接自动编码机的瞬态图像的数据增强方法
本专利技术属于图像处理的
，具体涉及一种基于全连接自动编码机的瞬态图像的数据增强方法。
技术介绍
瞬态成像技术是一项关于对光在传播过程中的瞬态进行成像的技术。随着计算机图形图像及计算机视觉相关研究的不断深入及在各个领域中的广泛应用，与光照相关的问题也不断出现，也越来越难以用传统的仅有二位空间信息的图像信息结局。瞬态成像技术能够提供皮秒级别的时间分辨率，高精度下带来的丰富信息，为这些问题的结局提供的可能性，也对已解决的就问题提供更优解带来了可能性。瞬态成像技术已成为一大研究热点。瞬态成像的关键是在时间维度上对光线传播过程的精准复原，但因为各种原因如多路径干扰(MultipathInterference，MPI)问题及光子多次反射后的信号衰减问题产生的噪声，使得数据具有较低的信噪比。我们专利技术的本质：通过网络找到瞬态图像数据的本质及潜在特征，实现非噪声弱信号的增强，以及噪声信号的弱化或去除，从而实现瞬态图像的数据增强，进而提高该类数据的信噪比。对潜在数据特征的提取一直是图像领域的本文档来自技高网...

【技术保护点】
1.基于全连接自动编码机的瞬态图像数据的增强方法，其特征在于，包括以下步骤：/nS1.输入瞬态图像数据，利用对数变换处理进行数值转换，并将处理好的数据将作为训练数据输入全连接自动编码机网络模型中进行网络迭代训练；/nS2.在网络迭代训练前，设置全连接自动编码机的网络结构；/nS3.通过迭代训练得到训练好的全连接自动编码机网络模型；/nS4.对原始待增强的瞬态图像数据进行数值转换，转换方式与训练时对训练数据的操作一致；/nS5.将转换后的数据输入至训练好的全连接自动编码机网络模型中，获得网络输出数据；/nS6.对网络输出数据进行逆变换，将数据映射回原值域区间，得到增强数据。/n

【技术特征摘要】
1.基于全连接自动编码机的瞬态图像数据的增强方法，其特征在于，包括以下步骤：
S1.输入瞬态图像数据，利用对数变换处理进行数值转换，并将处理好的数据将作为训练数据输入全连接自动编码机网络模型中进行网络迭代训练；
S2.在网络迭代训练前，设置全连接自动编码机的网络结构；
S3.通过迭代训练得到训练好的全连接自动编码机网络模型；
S4.对原始待增强的瞬态图像数据进行数值转换，转换方式与训练时对训练数据的操作一致；
S5.将转换后的数据输入至训练好的全连接自动编码机网络模型中，获得网络输出数据；
S6.对网络输出数据进行逆变换，将数据映射回原值域区间，得到增强数据。


2.根据权利要求1所述的基于全连接自动编码机的瞬态图像数据的增强方法，其特征在于，所述步骤S1中，所述利用对数变换处理进行数值转换，具体实现方式为：
在网络迭代训练之前，利用函数对数据进行预处理，处理后的数据会被映射到[0，8]这个区间内。


3.根据权利要求2所述的基于全连接自动编码机的瞬态图像数据的增强方法，其特征在于，所述步骤S2中的全连接自动编码机网络结构设置，具体实现为：
(1)该全连接自动编码机网络为全连接网络；
(2)共计13层，每层神经元个数为[4096，2048，1024，512，256，128，64，128，256，512，1024，2048，4096]；
(3)每层权重初始值均满足标准差为1，均值为0的正态分布；每层偏置初始值均设置为0；
(4)每层的激活函数均设置为leakyRelu
(5)原始损失函数设置为均方误差函数；
(6)训练时，利用将原始输入数据映射到[0，8]区间并利用对网络输出数据反向映射回瞬态图像数据的原始区间。


4.根据权利要求3所述的基于全连接自动编码机的瞬态图像数据的增强方法，其特征在于，在(5)中，加入L2正则化作为损失函数的惩罚项，使损失函数变为原始损失函数+惩罚项；相关正则化项的系数设置为5e-6；通过加入L2正则化，防止过拟合并提高模型泛化性能；在计算完损失函数后，数据将会被Relu函数进行修剪后再作...

【专利技术属性】
技术研发人员：梁云，黄泽盛，宋柏延，
申请(专利权)人：华南农业大学，
类型：发明
国别省市：广东;44