本申请公开了一种图像重构方法、装置、设备及介质，对原始图像信号进行压缩采样、初始化，得到初始化信号，进而输入到迭代网络进行迭代优化得到重构图像，迭代网络中各迭代重构层通过对输入信号进行图像块化和拼接，得到拼接图像；通过拼接图像获取当前迭代重构层的输入信号与原始图像信号之间的误差值；对误差值与输入信号进行残差连接后进行信号修正，得到当前迭代重构层的重构图像；基于重构图像和原始图像信号计算损失值以更新网络参数，最终通过训练好的迭代网络进行图像重构；改善了现有技术采用逐图像块重构的方式进行图像重构，需要在各个重构层后增加额外的去伪影层实现去伪影，增加了网络参数量和重构时间，导致重构速度慢的技术问题。速度慢的技术问题。速度慢的技术问题。
【技术实现步骤摘要】
一种图像重构方法、装置、设备及介质
[0001]本申请涉及图像重构
，尤其涉及一种图像重构方法、装置、设备及介质。
技术介绍
[0002]随着移动通讯的发展，每天都有大量图像信号需要传输，而对于有限的信道容量，就需要在这一类大容量信号传输前尽可能地压缩和采样，而压缩感知（Compressed sensing，CS）能利用线性降维框架同时对信号采样和压缩，其采样率远低于奈奎斯特定理的比率，并通过有效算法实现高精度的信号恢复，因此压缩感知为图像信号的传输和恢复提供了一个可行的框架。
[0003]现有的图像压缩感知方案通常采用深度非折叠算法，该方法通过加入卷积网络模块，将传统的压缩感知迭代算法映射为一个迭代优化形式的神经网络，不仅具有传统迭代算法的强数学解释性的优点，还能继承神经网络优秀的学习能力，利用训练数据来获得速度快、重构质量高的信号重构模型。但现有的重构模型中的重构层在迭代优化过程中，通常采用逐图像块重构的方式进行图像重构，当图像块单独进行重构时，会产生图像区块伪影，为了提高重构质量，需要在各个重构层后增加额外的去伪影层实现去伪影，增加了网络参数量和重构时间，导致重构速度慢。
技术实现思路
[0004]本申请提供了一种图像重构方法、装置、设备及介质，用于改善现有技术采用逐图像块重构的方式进行图像重构，需要在各个重构层后增加额外的去伪影层实现去伪影，增加了网络参数量和重构时间，导致重构速度慢的技术问题。
[0005]有鉴于此，本申请第一方面提供了一种图像重构方法，包括：对原始图像信号进行压缩采样，得到测量值；对所述测量值进行初始化，得到初始化信号；将所述初始化信号作为输入信号输入到迭代网络进行迭代优化，得到重构图像；基于所述重构图像和所述原始图像信号之间的误差计算损失值，通过所述损失值更新所述迭代网络的参数，得到训练好的迭代网络；通过所述训练好的迭代网络对待重构信号进行图像重构；其中，所述迭代网络包括多个串联的迭代重构层，各迭代重构层的图像重构过程为：对输入信号进行图像块化和图像块拼接，得到拼接图像；对所述拼接图像进行多尺度卷积处理，以获取当前迭代重构层的输入信号与所述原始图像信号之间的误差值；对所述误差值与输入信号进行残差连接后进行信号修正，得到当前迭代重构层的重构图像。
[0006]可选的，所述对原始图像信号进行压缩采样，得到测量值，包括：
将所述原始图像信号分块成多个不重叠的图像子块；将各图像子块转换为一维信号；通过采样矩阵对各一维信号进行压缩采样，得到各图像子块的测量值。
[0007]可选的，所述对所述测量值进行初始化，得到初始化信号，包括：基于采样矩阵对所述测量值进行线性映射，得到初始化信号。
[0008]可选的，所述对所述拼接图像进行多尺度卷积处理，以获取当前迭代重构层的输入信号与所述原始图像信号之间的误差值，包括：对所述拼接图像分别进行多个尺度的卷积处理，得到多个尺度的卷积特征；对所有所述卷积特征进行通道拼接，得到拼接特征；对所述拼接特征进行多次卷积处理后与所述拼接图像进行残差连接，得到当前迭代重构层的输入信号与所述原始图像信号之间的误差值。
[0009]可选的，信号修正过程为：；式中，为第q个图像子块在第k次迭代得到的重构子块图像，为第q个图像子块在第k
‑
1次迭代得到的重构子块图像，为第q个图像子块对应的一维信号与第q个图像子块在第k
‑
1次迭代得到的重构子块图像的误差值，为第k个迭代重构层的步长，A为采样矩阵，为第q个图像子块的测量值，I为单位矩阵。
[0010]可选的，所述损失值的计算公式为：；式中，L为损失值，X
i
为第i个原始图像信号，为第i个原始图像信号对应的重构图像，N
b
为原始图像信号的数量，H
×
W表示原始图像信号的大小。
[0011]本申请第二方面提供了一种图像重构装置，包括：采样单元，用于对原始图像信号进行压缩采样，得到测量值；初始化单元，用于对所述测量值进行初始化，得到初始化信号；迭代优化单元，用于将所述初始化信号作为输入信号输入到迭代网络进行迭代优化，得到重构图像；参数更新单元，用于基于所述重构图像和所述原始图像信号之间的误差计算损失值，通过所述损失值更新所述迭代网络的参数，得到训练好的迭代网络；图像重构单元，用于通过所述训练好的迭代网络对待重构信号进行图像重构；其中，所述迭代网络包括多个串联的迭代重构层，各迭代重构层的图像重构过程为：对输入信号进行图像块化和图像块拼接，得到拼接图像；对所述拼接图像进行多尺度卷积处理，以获取当前迭代重构层的输入信号与所述原始图像信号之间的误差值；对所述误差值与输入信号进行残差连接后进行信号修正，得到当前迭代重构层的重构图像。
[0012]可选的，所述采样单元，具体用于：
将所述原始图像信号分块成多个不重叠的图像子块；将各图像子块转换为一维信号；通过采样矩阵对各一维信号进行压缩采样，得到各图像子块的测量值。
[0013]本申请第三方面提供了一种图像重构设备，所述设备包括处理器以及存储器；所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；所述处理器用于根据所述程序代码中的指令执行第一方面任一种所述的图像重构方法。
[0014]本申请第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储程序代码，所述程序代码被处理器执行时实现第一方面任一种所述的图像重构方法。
[0015]从以上技术方案可以看出，本申请具有以下优点：本申请提供了一种图像重构方法，包括：对原始图像信号进行压缩采样，得到测量值；对测量值进行初始化，得到初始化信号；将初始化信号作为输入信号输入到迭代网络进行迭代优化，得到重构图像；基于重构图像和原始图像信号之间的误差计算损失值，通过损失值更新迭代网络的参数，得到训练好的迭代网络；通过训练好的迭代网络对待重构信号进行图像重构；其中，迭代网络包括多个串联的迭代重构层，各迭代重构层的图像重构过程为：对输入信号进行图像块化和图像块拼接，得到拼接图像；对拼接图像进行多尺度卷积处理，以获取当前迭代重构层的输入信号与原始图像信号之间的误差值；对误差值与输入信号进行残差连接后进行信号修正，得到当前迭代重构层的重构图像。
[0016]本申请中，在迭代网络进行迭代优化的过程中，各迭代重构层对输入信号进行图像块化和图像块拼接，以获取完整的图像信息，通过完整的拼接图像实现图像块之间的信息通讯，以便在逐块重构的过程中充分利用整图信息，避免在逐个图像块恢复的过程中产生伪影，从而免去额外的去伪影层，减少模型参数量和重构时间，加快重构速度，改善了现有技术采用逐图像块重构的方式进行图像重构，需要在各个重构层后增加额外的去伪影层实现去伪影，增加了网络参数量和重构时间，导致重构速度慢的技术问题。
附图说明
[0017]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种图像重构方法，其特征在于，包括：对原始图像信号进行压缩采样，得到测量值；对所述测量值进行初始化，得到初始化信号；将所述初始化信号作为输入信号输入到迭代网络进行迭代优化，得到重构图像；基于所述重构图像和所述原始图像信号之间的误差计算损失值，通过所述损失值更新所述迭代网络的参数，得到训练好的迭代网络；通过所述训练好的迭代网络对待重构信号进行图像重构；其中，所述迭代网络包括多个串联的迭代重构层，各迭代重构层的图像重构过程为：对输入信号进行图像块化和图像块拼接，得到拼接图像；对所述拼接图像进行多尺度卷积处理，以获取当前迭代重构层的输入信号与所述原始图像信号之间的误差值；对所述误差值与输入信号进行残差连接后进行信号修正，得到当前迭代重构层的重构图像。2.根据权利要求1所述的图像重构方法，其特征在于，所述对原始图像信号进行压缩采样，得到测量值，包括：将所述原始图像信号分块成多个不重叠的图像子块；将各图像子块转换为一维信号；通过采样矩阵对各一维信号进行压缩采样，得到各图像子块的测量值。3.根据权利要求1所述的图像重构方法，其特征在于，所述对所述测量值进行初始化，得到初始化信号，包括：基于采样矩阵对所述测量值进行线性映射，得到初始化信号。4.根据权利要求1所述的图像重构方法，其特征在于，所述对所述拼接图像进行多尺度卷积处理，以获取当前迭代重构层的输入信号与所述原始图像信号之间的误差值，包括：对所述拼接图像分别进行多个尺度的卷积处理，得到多个尺度的卷积特征；对所有所述卷积特征进行通道拼接，得到拼接特征；对所述拼接特征进行多次卷积处理后与所述拼接图像进行残差连接，得到当前迭代重构层的输入信号与所述原始图像信号之间的误差值。5.根据权利要求2所述的图像重构方法，其特征在于，信号修正过程为：；式中，为第q个图像子块在第k次迭代得到的重构子块图像，为第q个图像子块在第k
‑
1次迭代得到的重构子块图像，为第q个图像子块对应的一维信号与第q个图像子块在第k
‑
1次迭代得到的重构子块图像的误差值，为第k个...
【专利技术属性】
技术研发人员：张军，郭智景，
申请(专利权)人：广东工业大学，
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。