【技术实现步骤摘要】
压缩图像的重构方法、装置、系统及存储介质
[0001]本申请涉及图像重构
,特别是涉及压缩图像的重构方法
、
装置
、
系统及存储介质
。
技术介绍
[0002]时间压缩全息显微成像是一种利用低速相机实现高速相位成像的技术,为了从时间压缩全息显微成像中恢复连续图像,目前,相关的做法是利用两步迭代阈值收缩算法,从时间压缩全息显微成像中重构出全息图
。
[0003]但是,利用两步迭代阈值收缩算法恢复出的图像保留有较多的噪声,使得重构全息图的图像分辨率比较低
。
技术实现思路
[0004]本申请提供了压缩图像的重构方法
、
装置
、
系统及存储介质,能够提高重构图像的图像分辨率
。
[0005]第一方面,本申请提供一种压缩图像的重构方法,压缩重构系统包括成像装置和重构装置,重构装置包括处理器,处理器配置有
PnP
‑
GAP
框架,
PnP
‑
GAP
框架集成有已训练的网络模型,网络模型包括多个神经网络,方法应用于处理器,方法包括:从成像装置获取待处理压缩图像的测量值和编码数据;利用
PnP
‑
GAP
框架对测量值和编码数据进行处理,得到初始信号图像;利用多个神经网络分别对初始信号图像进行去噪处理,得到初始信号图像的目标去噪图像;基于初始信号图像和目标去噪图像,得到待处理压缩图像的目标重构图像
【技术保护点】
【技术特征摘要】
1.
一种压缩图像的重构方法,其特征在于,压缩重构系统包括成像装置和重构装置,所述重构装置包括处理器,所述处理器配置有
PnP
‑
GAP
框架,所述
PnP
‑
GAP
框架集成有已训练的网络模型,所述网络模型包括多个神经网络,方法应用于处理器,所述方法包括:从所述成像装置获取待处理压缩图像的测量值和编码数据;利用所述
PnP
‑
GAP
框架对所述测量值和所述编码数据进行处理,得到初始信号图像;利用多个所述神经网络分别对所述初始信号图像进行去噪处理,得到所述初始信号图像的目标去噪图像;基于所述初始信号图像和所述目标去噪图像,得到所述待处理压缩图像的目标重构图像
。2.
根据权利要求1所述的压缩图像的重构方法,其特征在于,所述利用所述
PnP
‑
GAP
框架对所述测量值和所述编码数据进行处理,得到初始信号图像,包括:将所述
PnP
‑
GAP
框架的参数进行初始化,得到中间变量;将所述中间变量
、
所述测量值和所述编码数据进行逆向求解,得到所述初始信号图像
。3.
根据权利要求1所述的压缩图像的重构方法,其特征在于,所述多个神经网络包括深度去噪网络和全变分去噪网络;所述利用多个所述神经网络分别对所述初始信号图像进行去噪处理,得到所述初始信号图像的目标去噪图像,包括:利用所述深度去噪网络对所述初始信号图像进行去噪处理,得到第一去噪图像;利用所述全变分去噪网络对所述初始信号图像进行去噪处理,得到第二去噪图像;基于所述第一去噪图像和所述第二去噪图像,得到所述初始信号图像的目标去噪图像
。4.
根据权利要求3所述的压缩图像的重构方法,其特征在于,所述深度去噪网络包括
FFDNet
和
FastDVDNet
;所述利用所述深度去...
【专利技术属性】
技术研发人员:陈冠南,请求不公布姓名,请求不公布姓名,
申请(专利权)人:阿尔玻科技有限公司,
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。