【技术实现步骤摘要】
基于目标向量更新模块的单幅图像复原迭代框架
[0001]本专利技术涉及图像复原技术，具体涉及一种基于目标向量更新模块的单幅图像复原迭代框架，属于图像处理领域。
技术介绍
[0002]图像复原是图像处理中的一个重要研究内容，在改善图像质量方面具有重要意义，图像复原技术根据退化过程进行数学建模，通过求解逆问题，从单幅或一组退化图像(序列)来产生高质量图像。在图像的获取、传输以及保存过程中，由于各种因素如大气湍流效应、光学系统像差等的影响，图像退化在所难免。因此在实际中，图像复原有着极其宽广的应用领域，其在军事、医学、公共安全、计算机视觉等方面都存在着重要的应用前景。作为一种底层视觉技术，图像复原在恢复出高质量图像的同时，也为中层和高层视觉技术奠定了基础，因此受到了广泛的研究。
[0003]在单幅图像复原方法中，基于重建的方法主要利用特定先验项来约束重建过程，此类方法通常有明确的理论基础，但重建速度较慢，在恢复图像的精细纹理上表现欠佳。基于深度学习的卷积神经网络(Convolutional neural network，C...
【技术保护点】
【技术特征摘要】
1.基于目标向量更新模块的单幅图像复原迭代框架，其特征在于包括以下步骤：步骤一：首先使用HQS算法，对原单幅图像复原问题进行分解，得到一个图像复原逆子问题、一个先验相关子问题；再使用基于动量的梯度下降算法对得到的图像复原逆子问题进行求解，并引入一种目标向量更新模块，得到像素域上基于HQS算法的单幅图像复原重建迭代框架；步骤二：针对先验相关子问题，设计一个有效的图像复原算子，该算子被包含在目标向量更新模块中，其表现会显著影响目标更新向量模块的输出；步骤三：利用CNN的特征提取能力，将步骤一中重建迭代框架的求解域，从像素域变到变换域，由此得到变换域上的单幅图像复原重建迭代框架；步骤四：利用训练图像数据集，训练步骤三中得到的单幅图像复原重建迭代框架；步骤五：重复步骤四，直到迭代框架收敛，最后输出即为最终的图像重建结果。2.根据权利要求1所述的基于目标向量更新模块的单幅图像复原迭代框架，其特征在于步骤一所述的像素域上基于HQS算法的单幅图像复原重建迭代框架：首先，使用HQS算法，对原单幅图像复原问题进行分解，原单幅图像复原问题的具体公式如下：其中，x为未知的重建图像，y为降质图像，A为降质矩阵，φ(
·
)为先验项，λ为惩罚系数；然后，使用HQS算法对原单幅图像复原问题进行分解，得到图像复原逆子问题和先验相关子问题，两个子问题的具体公式如下：关子问题，两个子问题的具体公式如下：其中，η为惩罚系数，v为去噪图像，上标k为迭代阶段数；再使用基于动量的梯度下降算法对得到的图像复原逆子问题进行求解，得到迭代更新表达式如下：法对得到的图像复原逆子问题进行求解，得到迭代更新表达式如下：法对得到的图像复原逆子问题进行求解，得到迭代更新表达式如下：其中，表示图像复原逆子问题中关于x的梯度(这里省去了常系数2)，表示目标更新向量，它决定了x的更新方向和距离，B＝A
T
A+ηI中的A和A
T
表示相应的卷积和反卷积操作，I表示单位矩阵，β表示动量，δ表示动量梯度下降算法的步长；引入一个目标向量更新模块来执行的计算，图像复原算子的操作也包含在该模块中，第k个阶段的输出x
(k)
由上一个阶段的输出x
(k-1)
减去求出，综上，得到像素域上基于HQS算法的单幅图像复原重建迭代框架。3.根据权利要求1所述的基于目标向量更新模块的单幅图像复原迭代框架，其特征在于步骤二所述的图像复原算子(在公式中用E表示)，该算子具有一个特征编码——解码结构，作用是求解先验相关子问题，即先验相关子问题的解可以由该算子得到v
(k-1)
＝E(x
(k-1)
)，算子的输出v
(k-1)
被用来计算该算子被包含在目标向量更新模块中，其表现会显著影响目标更新向量模块的输出，因此多层次特征融合模块和残差块路径被引入，使得其网
络结构有利于信息流动和传播；此外，由于小波在图像处理(如图像增强和图像去噪)中的广泛应用，离散小波变换(Discrete wavelet transform，DWT)和逆离散小波变换(Inverse discrete wavelet transform，IDWT)被用来作为下采样和上采样层；对于多层次特征融合模块，它们被部署在特征编码端和解码端，在特征编码端的第一层，一个包含3个3
×
3卷积层的多层次特征融合模块被用来更好地提取特征，3个3
×
3卷积层的输出被级联在一起作为不同尺度的特征，随后，...
【专利技术属性】
技术研发人员：任超，翟森，王正勇，何小海，卿粼波，熊淑华，滕奇志，
申请(专利权)人：四川大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。