[发明专利]基于快速傅里叶卷积与卷积滤波流的图像压缩感知方法及系统

权利要求书

1.基于快速傅里叶卷积与卷积滤波流的图像压缩感知方法，其特征在于，包括：

获取多个图像块测量值；

对多个图像块测量值进行初始重建获得初始重建图像；

基于快速傅里叶卷积对初始重建图像进行进一步重建获得傅里叶卷积重建图像；

将傅里叶卷积重建图像输入基于卷积滤波流网络的像素级滤波器获得滤波处理结果，将滤波处理结果与傅里叶卷积重建图像进行卷积获得最终重建图像。

2.如权利要求1所述的快速傅里叶卷积与卷积滤波流的图像压缩感知方法，其特征在于，所述获取多个图像块测量值的步骤，具体为：

将原始图像输入采样网络获得多个图像块测量值，所述采样网络包括采样卷积层。

3.如权利要求1所述的快速傅里叶卷积与卷积滤波流的图像压缩感知方法，其特征在于，所述对多个图像块测量值进行初始重建获得初始重建图像步骤，具体包括：

将多个图像块测量值输入初始重建卷积层获得图像块的向量表示；

通过像素洗牌操作将多个图像块的向量表示重塑为与原始图像大小一致的初始重建图像。

4.如权利要求1所述的快速傅里叶卷积与卷积滤波流的图像压缩感知方法，其特征在于，所述基于快速傅里叶卷积对初始重建图像进行进一步重建获得傅里叶卷积重建图像的步骤，包括：

将初始重建图像依次输入快速傅里叶卷积网络、多个快速傅里叶卷积残差网络和第一卷积层处理获得全局特征图像；

将初始重建图像和全局特征图像进行元素求和获得傅里叶卷积重建图像。

5.如权利要求1或2或3或4所述的快速傅里叶卷积与卷积滤波流的图像压缩感知方法，其特征在于，所述像素级滤波器包括第一卷积神经网络、第二卷积神经网络、第三卷积神经网络和映射层；

所述傅里叶卷积重建图像输入第一卷积神经网络和第二卷积神经网络分别获得第一图像和第二图像；

对第一图像和第二图像进行元素求和并将求和结果依次输入第三卷积神经网络和映射层处理获得滤波处理结果；

第一卷积神经网络的深度大于第二卷积神经网络的深度，第三卷积神经网络包括多层卷积。

6.快速傅里叶卷积与卷积滤波流的图像压缩感知系统，其特征在于，包括：

采样模块，用于对原始图像进行压缩采样获得多个图像块测量值；

初始重建模块，用于对多个图像块测量值进行初始重建获得初始重建图像；

傅里叶卷积重建模块，基于快速傅里叶卷积进一步对初始重建图像进行重建获得傅里叶卷积重建图像；

像素级滤波器，对傅里叶卷积重建图像进行滤波处理，所述像素级滤波器采用卷积滤波流网络架构；

融合模块，将像素级滤波器的滤波处理结果与傅里叶卷积重建图像进行卷积获得最终重建图像。

7.如权利要求6所述的快速傅里叶卷积与卷积滤波流的图像压缩感知系统，其特征在于，所述采样模块包括一个采样卷积层；

和/或，所述初始重建模块包括依次连接的初始重建卷积层和像素洗牌单元。

8.如权利要求6所述的快速傅里叶卷积与卷积滤波流的图像压缩感知系统，其特征在于，所述傅里叶卷积重建模块包括第一求和单元，以及依次连接的快速傅里叶卷积网络、多个快速傅里叶卷积残差网络和第一卷积层；

所述快速傅里叶卷积网络的输入端与初始重建模块的输出端连接，第一卷积层的输出端与第一求和单元的第一输入端连接，初始重建模块的输出端还与第一求和单元的第二输入端连接，第一求和单元输出傅里叶卷积重建图像。