CN115035209B 一种基于学习采样和卷积神经网络的压缩感知重构方法 （浙江工业大学）_第1页
CN115035209B 一种基于学习采样和卷积神经网络的压缩感知重构方法 （浙江工业大学）_第2页
CN115035209B 一种基于学习采样和卷积神经网络的压缩感知重构方法 （浙江工业大学）_第3页
CN115035209B 一种基于学习采样和卷积神经网络的压缩感知重构方法 （浙江工业大学）_第4页
CN115035209B 一种基于学习采样和卷积神经网络的压缩感知重构方法 （浙江工业大学）_第5页
已阅读5页，还剩17页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种基于学习采样和卷积神经网络的压缩一种基于学习采样和卷积神经网络的压缩技术在信号传输以及图像压缩领域拥有更高的21)在图像预处理阶段中的操作如下：将所要重建的图像x0重新构造成为1024×1024大2)在采样阶段中采用学习采样代替传统的固定观测矩阵采样，用学习得到的卷积核3)将图像采样输出信号y2输入到训练好的CombNet网络中，CombNet网络由全连接层和；三个经过去噪处理的高频分量和未经处理的低频分量经过小波逆变换IDWT得到去噪后的3Hf=f(Hi-1&w+b3)(7)&:表示内积操作；2.如权利要求1所述的一种基于学习采样和卷积神经网络的压缩感知重构方法，其特x3.如权利要求1或2所述的一种基于学习采样I:为卷积核conv1卷积采i:为卷积核conv2卷积和重组拼接操作映射；44.如权利要求1或2所述的一种基于学习采样和卷积神经网5.如权利要求1或2所述的一种基于学习采样相应的小波变换重构过程描述为：首先对变换结果5凸函数优化迭代重构方法进行了改进，实现在较低采样率的情况下最大程度地重构图像，[0006]1)在图像预处理阶段中的操作如下：将所要重建的图像x0重新构造成为1024×对采样信号y0进行初始重构操作，得到信号y1，最后经过重组和拼接得到图像矩阵采样信2；67核，输出了图像重建块鸡,其中在每经过一个卷积层后需要通过一个非线性变换层[0039]网络的训练同样采用随机梯度下降(SGD)训练算法，另外卷积操作可用如下公式[0040]Hi=f(Hi-18w+b3)(7)8[0048]相应的小波变换重构过程描述为：首先对变换结果的每一列进行离散小波逆变[0061]图2是基于CombNet卷积重构网络的图像感知重构模型示意图，主要由全连接层、[0062]图3是基于小波变换的图像去噪模型示意图，主要由小波变换去噪模块和图像尺9对采样信号y0进行初始重构操作，得到信号y1，最后经过重组和拼接得到图像矩阵采样信2[0094]网络的训练同样采用随机梯度下降(SGD)训练算法，另外卷积操作可用如下公式[0097]8:表示内积操作。[0103]5)在小波去噪阶段的操作如下：将得到的图片x′1按幂级数进行离散小波变换围也及于本领域的普通技术人员根据本发明构思所能想到的

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论