一种结合注意力机制的多尺度图像压缩重构方法技术

本发明专利技术提供一种结合注意力机制的多尺度图像压缩重构方法，包括以下步骤：S1：获取待重构的图像；S2：对待重构的图像进行卷积采样得到测量值，并进行测量值调整；S3：对调整后的测量值进行初始重构，得到初始重构值，并计算测量值残差；S4：对初始重构值进行多尺度重构，得到加强重构值，并根据测量值残差计算补偿重构值；S5：根据初始重构值、加强重构值和补偿重构值得到重构图像。本发明专利技术提供一种结合注意力机制的多尺度图像压缩重构方法，综合初始重构值、加强重构值和补偿重构值得到重构图像，解决了现有的压缩感知方法存在重构性能不佳的问题。问题。问题。

【技术实现步骤摘要】
一种结合注意力机制的多尺度图像压缩重构方法


[0001]本专利技术涉及图像压缩感知的
，更具体的，涉及一种结合注意力机制的多尺度图像压缩重构方法。

技术介绍

[0002]著名的奈奎斯特采样定律(Nyquist Sampling Theory,NST)指出，想让采样之后的数字信号完整保留原始信号中的信息，采样频率必须大于信号中最高频率的两倍。因为如果采样频率低于两倍的信号最高频率，信号在频域频谱搬移后就会发生混叠。但在一些实际信号、图像处理应用中，遵循奈奎斯特采样定律对信号进行采样会导致采样频率过高、采样数据太多不利于存储和传输，采样速率低等问题。并且采样频率过高导致的过采样常常会损坏设备。随着压缩感知(Compressed Sensing,CS)理论的诞生，解决了这一问题。
[0003]压缩感知作为一种新颖的采样理论，能有效地利用信号的稀疏特性来节省数据采集、传输和存储的成本，因而能被用于无线通信、信号采集等一些领域。压缩感知是一种突破了奈奎斯特采样定律对原信号采样压缩成低维的观测信号的理论，可以在只有非常少的采样点情况下，通过合本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种结合注意力机制的多尺度图像压缩重构方法，其特征在于，包括以下步骤：S1：获取待重构的图像，构建多尺度重构模型；所述多尺度重构模型包括采样模块，初始重构模块和加强重构模块；S2：在采样模块中对待重构的图像进行卷积采样得到测量值，并进行测量值调整；S3：在初始重构模块中对调整后的测量值进行初始重构，得到初始重构值，并计算测量值残差；S4：在加强重构模块中对初始重构值进行多尺度重构，得到加强重构值，并根据测量值残差计算补偿重构值；S5：根据初始重构值、加强重构值和补偿重构值得到重构图像。2.根据权利要求1所述的一种结合注意力机制的多尺度图像压缩重构方法，其特征在于，在对待重构的图像进行卷积采样前，还包括对待重构的图像分块，切成若干像素为33
×
33的图像块；所述卷积采样具体为：y＝S(x)＝W
M
*x＝Wx其中，y表示采样得到的测量值，S()表示采样的映射过程，x表示输入的图像，W
M
表示卷积核组，m＝r
×
N2表示卷积核的个数，r表示采样率，N表示图像块大小；W表示由卷积核组构成的网络参数矩阵，具体为：W表示由卷积核组构成的网络参数矩阵，具体为：w1,w2,w3,w
m
分别表示网络参数矩阵中第一个卷积核、第二个卷积核、第三个卷积核、第m个卷积核，R表示实数。3.根据权利要求2所述的一种结合注意力机制的多尺度图像压缩重构方法，其特征在于，在步骤S2中，测量值调整包括以下步骤：S2.1：对测量值进行全局平均池化处理：y1＝avgpolling(y)S2.2：通过一维卷积进行测量值信息交互：y2＝conv1d(y1)S2.3：采用sigmoid函数进行权重分配：β＝sigmoid(y2)S2.4：进行归一化处理：β1＝softmax(β)S2.5：调整测量值：其中，y1表示全局平均池化处理后的测量值，y2表示y1经过一维卷积后的值，表示权重，
β1表示归一化后的权重，y
f
表示调整后的测量值。4.根据权利要求3所述的一种结合注意力机制的多尺度图像压缩重构方法，其特征在于，所述初始重构表示为：x1＝IR(y
f
)＝W
int
*y
f
其中，x1为初始重构值，IR()为初始重构函数，W
int
为用于初始重构的卷积层。5.根据权利要求4所述的一种结合注意力机制的多尺度图像压缩重构方法，其特征在于，通过以下公式计算测量值残差：
△
y＝y
f
‑
W*x1。6.根据权利要求1所述的一种结合注意力机制的多尺度图像压缩重构方法，其特征在于，通过以下步骤对初始重构值进行多尺度重构，得到加强重构值：S4.1：通过加强重构模块的上通道和下通道对初始重构值进行不同维的特征提取，其中，上通道用于提取低维感受野通道特征，具体包括以下步骤：S4.1.1.1：通过卷积提取上通道初步特征：f1(x1)＝R(W1*x1)其中，x1为初始重构值，W1为上通道初步特征提取的卷积层，R()表示ReLU激活函数，f1(x1)表示通过卷积提取得到的上通道初步特征；S4.1.1.2：将f1(x1)记为x0，对x0进行叠加残差收缩卷积操作，得到上通道收缩特征：其中，Shrinkage表示残差收缩操作，W2表示上通道的残差收缩操作中第一个卷积层，W3表示上通道的残差收缩操作中第二个卷积层，表示上通道的第n个残差收缩操作，表示上通道的第n
‑
1个残差收缩操作，x
n
表示在上通道中经过第n个残差收缩操作的输出，x
n
‑2表示在上通道中经过第n
‑
2个残差收缩操作的输出；S4.1.1.3：对上通道收缩特征进行卷...

【专利技术属性】
技术研发人员：刁梓键，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：