-
题名基于可感知网络模型的多尺度特征图像重构研究
- 1
-
-
作者
舒忠
万行花
赵华菊
吕琼瑶
-
机构
荆楚理工学院电子信息工程学院
-
出处
《印刷与数字媒体技术研究》
CAS
北大核心
2024年第3期222-236,共15页
-
基金
2023年度荆门市科技计划重点项目(No.2023YFZD056)。
-
文摘
为重点解决深度重构模型多尺度特征表示不足和自适应性处理能力不强问题,本研究设计了压缩感知多尺度图像重构深度网络模型。以引入深度卷积神经网络模型提取图像特征为前提,利用空间金字塔池化提高多尺度特征描述能力,设计噪声滤波器强化噪声控制,改进非局部神经网络结构以提高模型的自适应性能。对比实验结果表明,本研究设计的图像深度重构模块,压缩编码后解码重构图像的方差、变异系数和信噪比控制良好;图像相位一致性特征和梯度特征质量评价较高;在采样率为50%~60%时,峰值信噪比值最高;初始图像和解码重构图像之间的相对范数l_(2)误差在0.16左右,峰值信噪比大于46dB,图像余弦相似度评价的余弦值为0.91左右、余弦夹角值为0.13°左右,特征相似性为0.80左右,结构相似比值为0.86左右,说明该模型提取的图像多尺度特征准确性和精细性较高,深度重构模块自适应性较强,误差控制准确,组成模块之间实现了高度融合。
-
关键词
压缩感知
图像重构
深度卷积神经网络
非局部卷积神经网络
空间金字塔池化
-
Keywords
Compressed sensing
Image reconstruction
Deep Neural Network(DNN)
Non-Local Neural Networks(Non-Local NN)
Spatial pyramid pooling
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
TP183
[自动化与计算机技术—控制理论与控制工程]
-
