(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 201910148782.6
(22)申请日 2019.02.28
(71)申请人 兰州交通大学
地址 730070 甘肃省兰州市安宁区安宁西
路118号
(72)发明人 刘玉红 李翠然 杨桂芹 刘树英
杨丹凤 付福祥
(74)专利代理机构 西安合创非凡知识产权代理
事务所(普通合伙) 61248蛋白质序列
代理人 杨蕾
(51)Int.Cl.
H04N 19/42(2014.01)
H04N 19/86(2014.01)
G06N 3/04(2006.01)
驳船
G06N 3/08(2006.01)
H03M 7/30(2006.01)
(54)发明名称一种用于压缩感知图像信号重构的卷积神经网络(57)摘要本发明公开了一种用于压缩感知图像信号重构的卷积神经网络，它是一个全卷积神经网络，包括一个全连接层和九个卷积层；首先将图片分成32×32大小的块，其次进行CS测量。所述全连接层采用CS测量作为输入，并输出尺寸为32×32的特征图；本发明具有较低的复杂度及较好的恢复性能，还具有较强的鲁棒性和较高的时间效率，峰值信噪比（PSNR）较传统CS算法TVAL3的PSNR提高了7.2%-13.95%，较D -AMP的提高了7.72%-174.84%。重构图像所需的时间比TVAL3快4-5倍，比D -AMP快244-283倍，具有较高的时间效率，实现了实时重构，和传统重构算法相比，在相同的测量速率下，能更有效地提取场景信息，获得更好的重构效果，并且在降低测量速率时，本发明的信噪比较传统算法的信噪比降低的更缓慢， t5荧光灯具有较好的鲁棒性。权利要求书1页 说明书3页CN 109922346 A 2019.06.21
C N 109922346
A
1.一种用于压缩感知图像信号重构的卷积神经网络，其特征在于，它是一个全卷积网络，包括一个全
连接层和九个卷积层；
所述全连接层采用CS测量作为输入，并输出尺寸为32×32的特征图；
卷积层的第一层至第九层依次位于全连接层之后，卷积层用于提高图像的重构精度，获得一个高分辨率的输出；
其中卷积层的第一层和第二层均使用1×1大小的卷积核，分别生成128个和64个特征图；
卷积层的第三层使用9×9大小的卷积核，生成64个特征图；
卷积层的第四层使用7×7大小的卷积核，生成32个特征图；
卷积层的第五层和第六层分别使用3×3和1×1大小的卷积核，且其均生成了16个特征图；
卷积层的第七层、第八层以及第九层分别使用3×3、3×3、5×5大小的卷积核，且其均生成了1个特征图；
九个卷积层最终通过3×3大小的卷积核输出中间重建图像；
除了最后一个卷积层外，所有的其它层都使用激励函数ReLu；所有卷积层生成的特征图大小都是32×
阿米福汀32；
中间重建图像通过BM3D滤波器去噪，以去除中间重建图像因分块量化后的量化误差而产生的块效应。
2.根据专利要求1所述的用于压缩感知图像信号重构的卷积神经网络，其特征在于，卷
积神经网络的初始输入是将一幅图像压缩为维的矢量，
公证程序规则并记为，
少林传人其中
是大小为
维观测矩阵，是测量数据，是向量化的输入图像块，本网络能够重建大小为
32×32的块，因此N=1089。
3.根据权利要求1所述的用于压缩感知图像信号重构的卷积神经网络，其特征在于，中间重建图像因分块量化后的量化误差的平均值记为损失函数，选择MSE作为损失函数，MSE
是真实值与预测值的差值的平方求和平均；
给定一组高分辨率图像及其相应的低分
辨率图像，
则MSE的计算公式是；其中，是训练集中的图像块总数，是第个补丁，是第个补丁的网络输出。
权 利 要 求 书1/1页
2
CN 109922346 A
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议