一种基于神经网络的大尺寸图像压缩感知重建方法技术

本发明专利技术公开了一种基于神经网络的大尺寸图像压缩感知重建方法。其步骤如下：(1)通过测量矩阵对原始图像进行分块的压缩采样，制作训练数据集；(2)将压缩采样的数据通过神经网络的全连接层将数据从低维度恢复到高维度；(3)按每块在原始图像中的顺序拼接成图像；(4)将重新拼接的图像传递到由卷积层组成的密集型连接卷积网络中，进一步对图像重建恢复；(5)由损失函数计算重建图像与原始图像的误差，通过误差反向传递更新网络的参数；(6)重复步骤(2)～(5)，直至重建图像与原始图像误差较小时完成神经网络的训练。本发明专利技术的方法可以完成对较大图像的压缩与重建，且重建图像的准确度和对图像噪声的抑制均能取得比较好的效果。

【技术实现步骤摘要】
一种基于神经网络的大尺寸图像压缩感知重建方法
本专利技术涉及计算摄像学、信号处理领域，尤其涉及一种基于神经网络的大尺寸图像压缩感知重建方法。
技术介绍
压缩感知是一种寻找欠定线性系统的稀疏解的技术，被应用于电子工程尤其是信号处理中，用于获取和重构稀疏或可压缩的信号。近几年，为了适应即将普及的第五代移动通信系统，压缩感知技术也被大量应用在无线通信系统之中，获得了大量的关注以及研究。压缩感知问题是信号处理领域中一个具有挑战性的问题，由于神经网络能够充分学习到图像中的先验信息，近年来，通过神经网络重建压缩感知信号成为了一个热门的方法。通过含有全连接层的神经网络重建压缩感知信号时，由于维数较大的压缩信号输入到网络中时，全连接层需要大量的参数，大量的参数容易出现梯度爆炸或梯度消失的现象，无法完成重建。因此，传统的应用神经网络重建压缩感知信号时，其输入到网络中的信号维度较小，确保了参数的数量不会过多，从而顺利完成了信号的重建。这种方法下，由于其只能够处理维度较小的信号，当其应用于图像领域时，处理图像的大小为较小的图像，重建后较小的图像拼接为原始大图本文档来自技高网...

【技术保护点】
1.一种基于神经网络的大尺寸图像压缩感知重建方法，其特征在于，包括如下步骤：/n步骤1，将原始图像x分割成一系列大小相同的方形图x

【技术特征摘要】
1.一种基于神经网络的大尺寸图像压缩感知重建方法，其特征在于，包括如下步骤：
步骤1，将原始图像x分割成一系列大小相同的方形图x1，x2，...，xi，使用标准正态分布的测量矩阵对分割后的图像分别进行压缩采样处理，得到压缩采样后的数据y1，y2，...，yi作为训练数据，制作训练数据y1，y2，...，yi与原始图像x一一对应的训练集；
步骤2，将所述训练数据输入到神经网络中，训练数据y1，y2，...，yi分别通过神经网络的第一层：线性全连接层，使得训练数据y1，y2，...，yi由低维度恢复到采样前的高维度数据x′1，x′2，...，x′i；
步骤3，将步骤2得到的高维度数据x′1，x′2，...，x′i按其对应的分块图像x1，x2，...，xi在原始图像x中的位置顺序拼接成原图，得到初步重建的图像x′；
步骤4，将步骤3中初步重建的图像x′输入到由卷积层组成的密集型连接卷积网络中，对图像进行进一步的重建恢复，得到网络的输出，即最终的重建图像；
步骤5，通过损失函数计算步骤4中得到的重建图像与原始真实图像之间的误差，对误差进行反向传递，更新神经网络的参数；
步骤6，重复步骤2-5，直至损失函数计算的误差达到期望值，结束神经网络的训练。


2.根据权利要求1所述的一种基于神经网络的大尺寸图像压缩感知重建方法，其特征在于，所述步骤1中，原始图像分割后压缩采样的处理...

【专利技术属性】
技术研发人员：胡雪梅，王鹏，
申请(专利权)人：南京大学，
类型：发明
国别省市：江苏;32