一种图像的重建方法、装置和计算机存储介质制造方法及图纸

本申请涉及计算机技术领域，特别涉及一种图像的重建方法、装置和计算机存储介质；重建方法包括：获取压缩图像；基于压缩图像进行图像分解，得到三维空间信息以及图像光谱信息；基于图像先验处理模型以及图像去噪模型对三维空间信息进行去噪处理，得到目标空间信息；图像先验处理模型是基于三维空间信息进行先验学习的模型；图像去噪模型是基于样本图像以及样本图像对应的样本噪声图像进行训练得到的；基于目标空间信息以及图像光谱信息进行图像重建，得到压缩图像对应的目标图像；通过采用图像先验处理模型以及图像去噪模型以互补的方式对压缩图像对应的三维空间信息进行去噪，提高在图像重建过程中的去噪精度，提高目标图像的图像重建精度。标图像的图像重建精度。标图像的图像重建精度。

【技术实现步骤摘要】
一种图像的重建方法、装置和计算机存储介质


[0001]本申请涉及计算机
，特别涉及一种图像的重建方法、装置和计算机存储介质。

技术介绍

[0002]高光谱图像是指包括多个光谱波段的三维数据，由于其具备丰富的光谱信息，已被广泛应用于遥感、医学成像、军事等领域；现有技术中，通常基于压缩感知理论的快照压缩成像技术，将高光谱图像进行压缩存储以及重建，但对于图像的重建结果往往与原图存在较大差异，从而导致重建图像的图像精度不高。

技术实现思路

[0003]针对现有技术的上述问题，本申请的目的在于通过采用图像先验处理模型以及图像去噪模型以互补的方式对压缩图像对应的三维空间信息进行去噪，提高在图像重建过程中的去噪精度，进而提高目标图像的图像重建精度。
[0004]为了解决上述问题，本申请提供了一种图像的重建方法，包括：获取压缩图像；基于所述压缩图像进行图像分解，得到所述压缩图像对应的三维空间信息以及图像光谱信息；基于图像先验处理模型以及图像去噪模型对所述三维空间信息进行去噪处理，得到目标空间信息；所述图像先验处理模型是基于所述三维空间信息进行先验学习的模型；所述图像去噪模型是基于样本图像以及所述样本图像对应的样本噪声图像进行训练得到的；基于所述目标空间信息以及所述图像光谱信息进行图像重建，得到所述压缩图像对应的目标图像。
[0005]在本申请实施例中，所述基于图像先验处理模型以及图像去噪模型对所述三维空间信息进行去噪处理，得到目标空间信息包括：将所述三维空间信息确定为当前空间信息；基于所述图像先验处理模型以及所述图像去噪模型对所述当前空间信息进行去噪处理，得到当前去噪空间信息；在所述当前去噪空间信息与上一去噪空间信息不满足预设误差条件的情况下，将所述当前去噪空间信息确定为所述当前空间信息；重复执行：所述基于所述图像先验处理模型以及所述图像去噪模型对所述当前空间信息进行去噪处理，得到当前去噪空间信息，至所述在所述当前去噪空间信息与上一去噪空间信息不满足预设误差条件的情况下，将所述当前去噪空间信息确定为当前空间信息，直至所述当前去噪空间信息与所述上一去噪空间信息满足预设误差条件；将所述当前去噪空间信息确定为所述目标空间信息。
[0006]在本申请实施例中，所述基于所述图像先验处理模型以及所述图像去噪模型对所述当前空间信息进行去噪处理，得到当前去噪空间信息包括：将所述当前空间信息输入所述图像先验处理模型进行去噪处理，得到第一空间信息；将所述第一空间信息输入所述图像去噪模型进行去噪处理，得到第二空间信息；更新当前循环次数；在所述当前循环次数小于预设循环次数的情况下，将所述第二空间信息确定为所述当前空间信息；重复执行：所述将所述当前空间信息输入所述图像先验处理模型进行去噪处理，得到第一空间信息，至所述在所述当前循环次数小于预设循环次数的情况下，将所述第二空间信息确定为当前空间信息，直至所述当前循环次数大于或等于所述预设循环次数；将所述第二空间信息确定为所述当前去噪空间信息。
[0007]在本申请实施例中，所述基于所述压缩图像进行图像分解，得到所述压缩图像对应的三维空间信息以及图像光谱信息包括：将所述压缩图像对应的矩阵信息进行低秩分解，得到所述三维空间信息以及所述图像光谱信息；所述三维空间信息包括多层二维平面信息。
[0008]在本申请实施例中，所述图像去噪模型包括第一缩放层、去噪层以及第二缩放层；所述将所述第一空间信息输入所述图像去噪模型进行去噪处理，得到第二空间信息包括：基于所述第一缩放层，对所述多层二维平面信息对应的矩阵信息进行归一化处理，得到多层二维平面信息各自对应的归一平面信息；基于所述去噪层，分别对所述多层二维平面信息各自对应的归一平面信息进行去噪处理，得到多层二维去噪信息；基于所述第二缩放层，对所述多层二维去噪信息对应的矩阵信息进行反归一化处理，得到所述第二空间信息。
[0009]在本申请实施例中，所述去噪层包括卷积层以及残差层，所述基于所述去噪层，分别对所述多层二维平面信息各自对应的归一平面信息进行去噪处理，得到多层二维去噪信息包括：基于所述卷积层，对所述归一平面信息对应的矩阵信息进行卷积处理，得到卷积矩阵；基于所述残差层、所述归一平面信息对应的矩阵信息以及所述卷积矩阵进行残差连接，得到所述归一平面信息对应的二维去噪信息。
[0010]在本申请实施例中，所述图像先验处理模型包括跨步卷积层、转置卷积层以及输出层，所述输出层包括带参激活函数，所述将所述当前空间信息输入所述图像先验处理模型进行去噪处理，得到第一空间信息包括：基于所述跨步卷积层，对所述当前空间信息对应的矩阵信息进行卷积处理，得到第一采样矩阵；基于所述转置卷积层，对所述采样矩阵进行卷积处理，得到第二采样矩阵；基于所述输出层的带参激活函数，对所述第二采样矩阵进行先验学习，得到所述第一空间信息。
[0011]另一方面，本申请还提供一种图像的重建装置，该装置包括：获取模块，用于获取压缩图像；分解模块，用于基于所述压缩图像进行图像分解，得到所述压缩图像对应的三维空间信息以及图像光谱信息；去噪模块，用于基于图像先验处理模型以及图像去噪模型对所述三维空间信息进行去噪处理，得到目标空间信息；所述图像先验处理模型是基于所述三维空间信息进行先验学习的模型；所述图像去噪模型是基于样本图像以及所述样本图像对应的样本噪声图像进行训练得到的；重建模块，用于基于所述目标空间信息以及所述图像光谱信息进行图像重建，得到所述压缩图像对应的目标图像。
[0012]另一方面，本申请还提供一种电子设备，所述设备包括处理器和存储器，所述存储器中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由所述处理器加载并执行以实现如上述图像的重建方法。
[0013]另一方面，本申请还提供一种计算机存储介质，所述存储介质中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由处理器加载并执行以实现如上述图像的重建方法。
[0014]由于上述技术方案，本申请所述的一种图像的重建方法具有以下有益效果：通过采用图像先验处理模型以基于三维空间信息对应的自身空间信息进行先验学习，并进行去噪；采用图像去噪模型基于样本图像的训练先验信息对三维空间信息进行去噪；实现基于三维空间信息自身空间信息对应先验知识以及样本图像学习的先验知识进行去噪，实现去噪先验互补，从而提高对三维空间信息的去噪精度，进而提高重建的目标图像的图像重建精度。
附图说明
[0015]为了更清楚地说明本申请的技术方案，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的介绍。显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
[0016]图 1 是本申请实施例提供的一种图像的重建方法流程示意图；图 2 是本申请实施例提供的一种图像的重建方法中目标空间信息确定流程示意图；图 3 是本申请实施例提供的一种图像的重建方法中当前去噪空间信息确定流程示意图；本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像的重建方法，其特征在于，包括：获取压缩图像；基于所述压缩图像进行图像分解，得到所述压缩图像对应的三维空间信息以及图像光谱信息；基于图像先验处理模型以及图像去噪模型对所述三维空间信息进行去噪处理，得到目标空间信息；所述图像先验处理模型是基于所述三维空间信息进行先验学习的模型；所述图像去噪模型是基于样本图像以及所述样本图像对应的样本噪声图像进行训练得到的；基于所述目标空间信息以及所述图像光谱信息进行图像重建，得到所述压缩图像对应的目标图像；所述基于图像先验处理模型以及图像去噪模型对所述三维空间信息进行去噪处理，得到目标空间信息包括：将所述三维空间信息确定为当前空间信息；基于所述图像先验处理模型以及所述图像去噪模型对所述当前空间信息进行去噪处理，得到当前去噪空间信息；在所述当前去噪空间信息与上一去噪空间信息不满足预设误差条件的情况下，将所述当前去噪空间信息确定为所述当前空间信息；重复执行：所述基于所述图像先验处理模型以及所述图像去噪模型对所述当前空间信息进行去噪处理，得到当前去噪空间信息，至所述在所述当前去噪空间信息与上一去噪空间信息不满足预设误差条件的情况下，将所述当前去噪空间信息确定为当前空间信息，直至所述当前去噪空间信息与所述上一去噪空间信息满足预设误差条件；将所述当前去噪空间信息确定为所述目标空间信息。2.根据权利要求1所述的一种图像的重建方法，其特征在于，所述基于所述图像先验处理模型以及所述图像去噪模型对所述当前空间信息进行去噪处理，得到当前去噪空间信息包括：将所述当前空间信息输入所述图像先验处理模型进行去噪处理，得到第一空间信息；将所述第一空间信息输入所述图像去噪模型进行去噪处理，得到第二空间信息；更新当前循环次数；在所述当前循环次数小于预设循环次数的情况下，将所述第二空间信息确定为所述当前空间信息；重复执行：所述将所述当前空间信息输入所述图像先验处理模型进行去噪处理，得到第一空间信息，至所述在所述当前循环次数小于预设循环次数的情况下，将所述第二空间信息确定为当前空间信息，直至所述当前循环次数大于或等于所述预设循环次数；将所述第二空间信息确定为所述当前去噪空间信息。3.根据权利要求2所述的一种图像的重建方法，其特征在于，所述基于所述压缩图像进行图像分解，得到所述压缩图像对应的三维空间信息以及图像光谱信息包括：将所述压缩图像对应的矩阵信息进行低秩分解，得到所述三维空间信息以及所述图像光谱信息；所述三维空间信息包括多层二维平面信息。4.根据权利要求3所述的一种图像的重建方法，其特征在于，所述图像去噪模型包括第一缩放层、去噪层以及第二缩放层；所述将所述第一空间信息输入所述图...

【专利技术属性】
技术研发人员：陈勇，桂鑫锋，袁飞望，罗俊，吴斌，周阳，
申请(专利权)人：江西师范大学，
类型：发明
国别省市：