通话信道下图像优化的方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术涉及一种通话信道下图像优化的方法、装置、电子设备及存储介质。通话信道下图像优化方法包括步骤：S1、发送端对输入图像进行处理，生成一维信号；S2、通过图像信号压缩感知传输模块，获得信号并对信号进行稀疏化获取特征信息后编码传输；S3、接收端接收编码后第一信息，提取特征信息；S4、通过深度学习的GAN与CS相结合的重建模块，结合DAGAN结合压缩感知进行图像优化重建，还原图像。依据本发明专利技术的通话信道下图像优化的方法通过对发送端使用压缩感知，接收端图像重建时使用GAN网络结合压缩感知加速对图像的重建以及提高重建图像的质量，从而提高5G通话下图像信号压缩、传输、重建的质量与效率。建的质量与效率。建的质量与效率。

【技术实现步骤摘要】
通话信道下图像优化的方法、装置、电子设备及存储介质


[0001]本专利技术涉及通信领域，具体而言，涉及一种结合GAN网络与压缩感知的5G通话信道下图像优化的方法、装置、电子设备及存储介质。

技术介绍

[0002]5G为无线通信带来革命性的飞跃。信息技术的飞速发展使得人们对信息数据的需求量剧增。现实世界的模拟化和信号处理工具的数字化决定了信号采样是从模拟信源获取数字信息的必经之路。
[0003]图像数据压缩可以消除图像中的大量冗余信息，用尽可能少的字节数来表示原始数据，以提高图像传输的效率，减少图像的存储容量。而且，图像压缩是可行的。由于图像数据高度相关的，大多数图像内相邻象素之间有较大的相关性，存在很大的冗余度，即空间冗余度。序列图像前后帧之间有较大的相关性，即时间冗余度。若用相同码长表示不同出现概率的符号也会造成比特数的浪费，即符号冗余度。允许图像编码有一定的失真也是图像可压缩的一个重要原因。实际应用中，由于图像具有很大的信息量，在目前的计算机系统的条件下，要想实现实时处理，就必须对图像进行压缩，如果图像信息不经过压缩，则占用信道宽，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种通话信道下图像优化的方法，其中，通话信道的图像传输具有发送端和接收端，所述方法基于通话信道下图像优化的装置实现，所述装置包括图像信号压缩感知传输模块和深度学习的GAN与CS相结合的重建模块，所述通话信道下图像优化的方法包括如下步骤：S1、所述发送端对输入图像进行处理，生成一维信号；S2、通过所述图像信号压缩感知传输模块，获得信号并对信号进行稀疏化获取特征信息后编码传输；S3、所述接收端接收编码后第一信息，提取特征信息；S4、通过所述深度学习的GAN与CS相结合的重建模块，结合DAGAN结合压缩感知进行图像优化重建，还原图像。2.如权利要求1所述的方法，其中，步骤S2包括如下步骤：S21、根据一维信号判断是否稀疏；S22、若稀疏则进行特征提取；若不稀疏，则进行稀疏变换后特征提取；S23、对特征信息编码，生成第一信息传输。3.如权利要求1所述的方法，其中，所述图像信号压缩感知传输模块用于图像信号处理，通过寻找欠定线性系统的解决方案来有效地获取和重构信号，利用信号的稀疏性从比Nyquist
‑
Shannon采样定理所需的样本少得多的样本中恢复图像信号，其中，能够通过图像信号压缩感知传输模块恢复的图像信号包括：稀疏的图像信号和通过等距属性应用恢复的不相干的图像信号。4.如权利要求1所述的方法，其中，所述基于深度学习的GAN与CS相结合的重建模块使用包含额外的先验信息来约束生成器和鉴别器，将GAN扩展为条件模型，额外的先验信息可以是离散的标签、文本和图像，通过基于图像的GAN，将条件GAN损失纳入到CS重建中，如下：其中，生成器含有一个输入，即带有噪声的零填充重建x
u
；学习后，生成器产生了相应的去锯齿重建并将其反馈给鉴别器；目的是保持训练，直到鉴别器无法将分支别名重建与完全采样重建x
t
区分开；x
t
和x
u
做为输入训练数据，以给定的x
t
为条件输入x
u
，并输出去锯齿重建的5.如权利要求4所述的方法，其中，基于深度学习的GAN与CS相结合的重建模块将时域与频域纳入损失函数，频域信息添加到损失Loss函数，MSE与PerceptualLoss相结合，总损失函数可以表示为：L
TOTAL
＝αL
imSE
+βL
fMSE
+γL
VGG
+L
GEN
ꢀꢀꢀꢀ
(2)其中，L...

【专利技术属性】
技术研发人员：李畅，
申请(专利权)人：号百信息服务有限公司，
类型：发明
国别省市：