1.一种用于彩色图像超分辨率重建的6维嵌入的去噪自编码先验信息算法,其特征在于:包括以下步骤:步骤A:利用去噪自动编码(DAE)作为彩色图像超分辨率重建的先验信息手段,通过复制3个信道,建立6维嵌入去噪自编码先验算法模型;
步骤B:训练一个以6维变量为输入的去噪网络,然后利用网络驱动的高维先验阵嵌入的先验信息对彩色图像进行超分辨率重建;
步骤C:迭代恢复阶段,将中间色图像映射为6维图像,利用网络进行处理,平均值运算符用于将其转换回三通道图像。
2.根据权利要求1所述的一种用于彩色图像超分辨率重建的6维嵌入的去噪自编码先验信息算法,其特征在于:所述步骤A建立6维嵌入去噪自编码先验算法模型的先验项表示为:其中,训练数据{I|I(u)=[u,u1]}是一组6维图像。
3.根据权利要求1所述的一种用于彩色图像超分辨率重建的6维嵌入的去噪自编码先验信息算法,其特征在于:所述步骤B具体包括:自然彩色图像中的R、G、B通道具有一定的通道先验性,6通道数据的联合学习具有一定的结构信息;在彩色图像恢复中,应用辅助变量技术获得六通道网络诱导的高维结构先验信息;从6D图像中学习先前的信息,并将其用于彩色红外任务;
用于学习DAE的网络体系结构是剩余的编码器-解码器网络RedNet,网络由30层组成,其中15层为卷积层,15层为反卷积层,对称布置;快捷方式连接匹配的护航解决方案和反褶积层,每层后面都有其校正的线性单元RELU,卷积核的大小为3×3,输入和输出层的信道数为6,其余层的信道数为64。
4.根据权利要求1所述的一种用于彩色图像超分辨率重建的6维嵌入的去噪自编码先验信息算法,其特征在于:所述步骤C具体包括:考虑到在6D和多模型N=2,对于一般的彩色图像恢复可以如下:其中,6通道辅助变量简单地称为I(u)=[u,u1],表示I,N表示M2DAEP模型的数量,第一个项是数据保真度项,第二个项由网络驱动的先验信息组成,由于模型的非线性,采用近端梯度法来处理它,随后,用标准最小二乘法LS最小化模型:其中, 和 函数G(I)是1/β-Lipschitz平滑
k表示迭代的索引数,通过计算梯度可以解决:
上式化简为:
其中,R表示六个通道上使用的平均运算符,可以观察到,解决方案公式包含 和其中 参数已经在网络训练阶段学习,特别是, 是输入的正向网络输出, 是输入的反向网络输出;另外,通过交替更新网络估计 和LS解算器来更新解,直到值收敛。