[发明专利]图像重建方法和装置

权利要求书

1.一种图像重建方法，其特征在于，包括：

通过主成分分析方法PCA获取神经信号的特征坐标，所述神经信号用于重建图像；

根据所述神经信号的特征坐标，获取所述神经信号的特征编码，其中，所述特征编码用于指示所述神经信号对应的真实图像的特征，所述真实图像为通过视觉看到的物体的图像；

根据所述特征编码和预设的生成式对抗网络中的图像生成模型，进行图像重建，获取所述神经信号对应的重建图像；

所述根据所述神经信号的特征坐标，获取所述神经信号的特征编码之前，还包括：

通过PCA获取N张样本真实图像中每张样本真实图像的特征编码，其中，N为大于或等于1的正整数；

通过PCA获取所述每张样本真实图像对应的神经信号的特征坐标；

建立所述每张样本真实图像的特征编码，与，所述每张样本真实图像对应的神经信号的特征坐标之间的映射关系；

所述根据所述神经信号的特征坐标，获取所述神经信号的特征编码，包括：

根据所述神经信号的特征坐标和所述映射关系，获取所述神经信号的特征编码；

所述根据所述特征编码和预设的生成式对抗网络中的图像生成模型，进行图像重建，获取所述神经信号对应的重建图像之前，还包括：

将所述每张样本真实图像的特征编码和随机信号输入至生成式对抗网络中的图像生成模型中，获取与所述每张样本真实图像对应的重建图像；

将所述每张样本真实图像对应的重建图像以及该样本真实图像分别输入生成式对抗网络中的图像判别模型，获取所述图像判别模型的输出结果；其中，所述输出结果中包括所述图像判别模型获得的所述每张样本真实图像的特征编码、所述每张样本真实图像对应的重建图像的特征编码；

根据图像判别模型的输出结果，更新所述图像生成模型和图像判别模型中的网络参数，获取所述预设的生成式对抗网络；

其中，所述预设的生成对抗网络包括更新后的图像生成模型和更新后的图像判别模型。

2.根据权利要求1所述的方法，其特征在于，所述通过PCA获取N张样本真实图像中每张样本真实图像的特征编码，包括：

获取所述N张样本真实图像的平均图像；

根据所述每张样本真实图像与所述平均图像之间的像素差值，获得第一矩阵；所述第一矩阵的行数等于所述平均图像的像素个数，列数等于所述N，或者，所述第一矩阵的行数等于所述N，列数等于所述平均图像的像素个数；

获取所述第一矩阵的特征向量；

根据所述第一矩阵的特征向量，获取第二矩阵，所述第二矩阵的行数等于所述第一矩阵的行数，所述第二矩阵的列数小于或等于所述第一矩阵的列数；

获取所述每张样本真实图像在所述第二矩阵构成的特征空间下的特征坐标，将所述特征坐标作为所述每张样本真实图像的特征编码。

3.根据权利要求2所述的方法，其特征在于，所述根据所述第一矩阵的特征向量，获取第二矩阵，包括：

按照所述特征向量对应的特征值的大小顺序，将所述特征向量进行组合，获取第三矩阵；

根据所述第三矩阵中特征值最大的前L列对应的特征向量，获得所述第二矩阵，L为大于等于1且小于等于所述第一矩阵的列数的整数。

4.根据权利要求1所述的方法，其特征在于，所述根据图像判别模型的输出结果，更新所述图像生成模型和图像判别模型中的网络参数，获取所述预设的生成式对抗网络，包括：

固定所述图像生成模型中的网络参数不变，根据所述图像判别模型的输出结果和第一预设损失函数，更新所述图像判别模型中的网络参数，获取更新后的图像判别模型；

固定所述更新后的图像判别模型中的网络参数不变，根据所述图像判别模型的输出结果和第二预设损失函数，更新所述图像生成模型中的网络参数，获取更新后的图像生成模型。