[发明专利]一种基于深度自回归模型的解决图像重建问题的方法

说明书

本发明中提出的一种基于深度自回归模型的解决图像重建问题的方法，其主要内容包括：深度自回归模型、对输入图像进行线性转换、优化深度自回归模型和重建图像的实现细节，其过程为，先用数据库的图像对深度自回归模型进行极大似然估计训练，使其具备解决重建图像任务的能力；接着，在重建图像表达式中引入特定的射影算子，并且通过使用渐变更新法和分拆与合成训练法，以提高深度自回归模型的性能；最后，通过正向模型实现对输入图像进行线性转换，从而实现图像重建。本发明采用了深度自回归模型，对其性能进行了优化，保证了重建图像与输入图像的像素一致性，并且提升了重建图像的渐变性。

技术领域

本发明涉及图像处理领域，尤其是涉及了一种基于深度自回归模型的解决图像重建问题的方法。

背景技术

图像重建技术是一种无损检测技术，主要通过对物体外部进行数据测量，经计算机数字化处理，通过深度卷积神经网络模型进行训练和模拟，以实现对物体图像的重建。在监控领域，利用图像重建技术对监控设备拍摄下来的照片进行重建，提高照片的像素，以获取嫌疑人的面部特征信息；在卫星遥感领域，利用图像重建技术对地理图像进行重建，以获得更精确的地理信息；在医学图像领域，利用图像重建技术对X光机、核磁共振扫描仪等设备扫描的图像进行重建，可获得更加清晰的病情图像，为医生诊断提供了便利；另外，图像重建技术在航空航天、虚拟现实等领域也有着广泛的应用。然而，现有的图像重建方法存在着像素不高，图像渐变性差等问题。

本发明中提出的一种基于深度自回归模型的解决图像重建问题的方法，先用数据库的图像对深度自回归模型进行极大似然估计训练，使其具备解决重建图像任务的能力；接着，在重建图像表达式中引入特定的射影算子，并且通过使用渐变更新法和分拆与合成训练法，以提高深度自回归模型的性能；最后，通过正向模型实现对输入图像进行线性转换，从而实现图像重建。本发明采用了深度自回归模型，对其性能进行了优化，保证了重建图像与输入图像的像素一致性，并且提升了重建图像的渐变性。

发明内容

针对现有的图像重建方法存在着像素不高，图像渐变性差等问题，本发明的目的在于提供一种基于深度自回归模型的解决图像重建问题的方法，其过程为，先用数据库的图像对深度自回归模型进行极大似然估计训练，使其具备解决重建图像任务的能力；接着，在重建图像表达式中引入特定的射影算子，并且通过使用渐变更新法和分拆与合成训练法，以提高深度自回归模型的性能；最后，通过正向模型实现对输入图像进行线性转换，从而实现图像重建。

为解决上述问题，本发明提供一种基于深度自回归模型的解决图像重建问题的方法，其主要内容包括：

(一)深度自回归模型；

(二)对输入图像进行线性转换；

(三)优化深度自回归模型；

(四)重建图像的实现细节。

其中，所述的深度自回归模型，具有残差连接的深度卷积神经网络，采用定向的概率论链式法则来模拟像素之间的依赖关系；令X为输入图像，用n×n矩阵表示，对每一行的像素点进行点阵化处理其中vec()表示向量，x_i表示像素，其中i∈[1，2，…，n²]，为定义符；像素x_i取决于X中下标为i之前的所有像素，表示为x_＜i，由此图像像素的联合分布密度表示为：

其中，ρ()表示像素点的分布密度；深度自回归模型利用联合分布进行模拟，形成逻辑分布；然后在RGB图像上对模型进行极大似然估计训练，从而模型具备了解决重建图像任务的能力；重建图像任务是用正向模型中获得的测量值Y重建图像X，即对输入图像进行线性转换，这是一个似然估计问题，用表示重建图像：