欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2023108465237
申请人: 江西师范大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2023-12-11
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

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;所述图像重建过程表征信息融合过程或所述图像分解的逆过程;

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。

5.根据权利要求4所述的一种图像的重建方法,其特征在于,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。

6.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,对所述第一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。

7.一种图像的重建装置,其特征在于,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;所述图像重建过程表征信息融合过程或所述图像分解的逆过程;

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。

8.一种计算机存储介质,其特征在于,所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集,所述至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现如权利要求1‑6任一项所述的图像的重建方法。

9.一种电子设备,其特征在于,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权利要求1‑6任一项所述的图像的重建方法。