【技术实现步骤摘要】
一种基于自编码神经网络的图像重建方法及系统
[0001]本专利技术涉及数据处理
,具体涉及一种基于自编码神经网络的图像重建方法及系统
。
技术介绍
[0002]在图像异常检测中,自动编码器是一种常用的方法,它可以重建可能包含异常的输入图像,并输出一个没有异常的干净图像
。
这些基于自动编码器的方法通常根据重建误差
、
输入图像与重建图像的差值来计算异常分数
。
另一方面,许多方法重建的精度不够,导致异常检测的精度下降
。
其中一个重要的原因是自然图像包含许多低频成分,而高频成分很少,而通常使用的均方差损失不会考虑这种高低频成分存在的极度不平衡问题,进而导致重构的图像存在失真现象,同时清晰度较差
。
技术实现思路
[0003]为了解决上述问题,本专利技术提出一种基于自编码神经网络的图像重建方法及系统,所采用的技术方案具体如下:第一方面,本专利技术一个实施例提供了一种基于自编码神经网络的图像重建方法,其具体方法如下:将待建图像输入自编码卷积神经网络,得到第一重构图像;所述自编码卷积神经网络采用联合损失函数;所述联合损失函数的获取方法包括:获取初始图像,将所述初始图像输入自编码卷积神经网络,输出重构图像;对所述初始图像
、
所述重构图像分别进行频域变换,得到初始频域图像
、
重构频域图像;根据所述初始频域图像
、
所述重构频域图像在复平面上的差异得到频域误差损失;根据所述初始 ...
【技术保护点】
【技术特征摘要】
1.
一种基于自编码神经网络的图像重建方法,其特征在于,该方法包括以下步骤:将待建图像输入自编码卷积神经网络,得到第一重构图像;所述自编码卷积神经网络采用联合损失函数;所述联合损失函数的获取方法包括:获取初始图像,将所述初始图像输入自编码卷积神经网络,输出重构图像;对所述初始图像
、
所述重构图像分别进行频域变换,得到初始频域图像
、
重构频域图像;根据所述初始频域图像
、
所述重构频域图像在复平面上的差异得到频域误差损失;根据所述初始频域图像
、
所述重构频域图像中的频谱值进行数学变换调整其值域,并进行值域相反映射获取频谱权重;根据所述初始频域图像
、
所述重构频域图像获取相位,得到相位差损失;基于所述频域误差损失
、
所述相位差损失
、
所述频谱权重获取加权频域损失;根据所述初始图像
、
所述重构图像构建加权空间频率损失
、
空域损失;以所述加权频域损失
、
所述加权空间频率损失
、
所述空域损失作为所述联合损失函数
。2.
如权利要求1所述的一种基于自编码神经网络的图像重建方法,其特征在于,根据所述初始频域图像
、
所述重构频域图像在复平面上的差异得到频域误差损失的方法,包括:;;表示所述初始频域图像
、
所述重构频域图像在复平面上的差异,是复数的实部,是复数的虚部,表示所述初始频域图像的长
、
宽,分别表示即表示频域图中坐标处的模的缩放值,为映射系数,表示频域图坐标处的频谱值,表示所述初始频域图像坐标处的像素值,表示所述重构频域图像坐标处的像素值
。3.
如权利要求1所述的一种基于自编码神经网络的图像重建方法,其特征在于,所述根据所述初始频域图像
、
所述重构频域图像中的频谱值进行数学变换调整其值域,并进行值域相反映射获取频谱权重的方法为:;;其中表示频域图中坐标处经过
log
变换后的频谱值;为对数变换,是复数的实部,是复数的虚部;表示频域图坐标处的频谱值;表示频域图处的频谱权重;分别表示
log
变换后的频域图的最大频谱值
、
最小
频谱值
。4.
如权利要求1所述的一种基于自编码神经网络的图像重建方法...
【专利技术属性】
技术研发人员:韩剑,
申请(专利权)人:南通度陌信息科技有限公司,
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。