一种可微分的低秩学习网络图像修复方法

    公开(公告)号:CN112258410B

    公开(公告)日:2022-09-06

    申请号:CN202011136928.4

    申请日:2020-10-22

    Applicant: 福州大学

    Abstract: 本发明涉及一种可微分的低秩学习网络图像修复方法。将一个含有噪声的不完整的图像矩阵作为神经网络的输入,并输出重构后的图像。通过将近端梯度映射方法转换为带约束的优化问题,本发明方法提出了一种可以进行低秩矩阵重构的神经网络,该神经网络由多个可微分且可复用的模块堆叠组成,每一个模块都可以解决一个关于低秩优化的子问题。本发明方法的每一个模块输出一个优化得到的子矩阵,并对这些子矩阵连乘以得到重构后的图像矩阵。本发明成功利用了神经网络来解决图像低秩修复问题,并避免了传统方法在迭代过程中进行的奇异值分解过程,从而节省大量的计算时间,同时本发明依然能够在图像修复上有良好的性能,具有一定的实用价值。

    一种可微分的低秩学习网络图像修复方法

    公开(公告)号:CN112258410A

    公开(公告)日:2021-01-22

    申请号:CN202011136928.4

    申请日:2020-10-22

    Applicant: 福州大学

    Abstract: 本发明涉及一种可微分的低秩学习网络图像修复方法。将一个含有噪声的不完整的图像矩阵作为神经网络的输入,并输出重构后的图像。通过将近端梯度映射方法转换为带约束的优化问题,本发明方法提出了一种可以进行低秩矩阵重构的神经网络,该神经网络由多个可微分且可复用的模块堆叠组成,每一个模块都可以解决一个关于低秩优化的子问题。本发明方法的每一个模块输出一个优化得到的子矩阵,并对这些子矩阵连乘以得到重构后的图像矩阵。本发明成功利用了神经网络来解决图像低秩修复问题,并避免了传统方法在迭代过程中进行的奇异值分解过程,从而节省大量的计算时间,同时本发明依然能够在图像修复上有良好的性能,具有一定的实用价值。

Patent Agency Ranking