首页> 中国专利> 一种基于深度原始对偶近端网络的图像复原方法

一种基于深度原始对偶近端网络的图像复原方法

页面导航

摘要
著录项
相似文献

摘要

本发明涉及一种深度原始对偶近端网络的图像复原方法；针对当前常用的图像复原方法大多通过优化非光滑惩罚似然函数，这类方法对降质图像的复原过程是一个耗时的优化过程。本发明针对均匀模糊和高斯噪声的降质图像，基于原始对偶分裂算法发明一种深度原始对偶近端网络，并将该网络运用到图像复原任务中，该网络中每一层代表原始对偶分裂算法的一次迭代，初始化构建20层的深度网络，网络中特征映射矩阵为局部稀疏矩阵，通过端到端的梯度后向传播和梯度下降算法学习网络系数，能够很好地复原出原始图像内容。本发明灵活方便，网络训练完成后，只需将降质图像在网络中正向传播就可以在网络输出端得到复原的图像，具有很强的实用性。

著录项

公开/公告号CN112037149A

专利类型发明专利
公开/公告日2020-12-04

原文格式PDF
申请/专利权人郑州大学;
展开▼

申请/专利号CN202010928564.7
发明设计人酒明远;齐林;杨守义;孙钢灿;陈恩庆;
展开▼

申请日2020-09-07
分类号G06T5/00(20060101);
代理机构
代理人
地址 450000 河南省郑州市高新技术开发区科学大道100号
入库时间 2023-06-19 09:07:30

相似文献

专利
中文文献
外文文献

1. 一种基于深度原始对偶近端网络的图像复原方法 [P] . 中国专利： CN112037149A . 2020-12-04
2. 一种基于联合深度网络的压缩低分辨率图像复原方法 [P] . 中国专利： CN106709875A . 2017-05-24
3. A method for training a deep learning network based on AI and a learning device using the same [P] . KR20210141784A . 2021-11-23

机译：一种基于AI和学习设备的基于AI的深度学习网络的方法
4. METHOD AND APPARATUS FOR COMBINED LEARNING USING FEATURE ENHANCEMENT BASED ON DEEP NEURAL NETWORK AND MODIFIED LOSS FUNCTION FOR SPEAKER RECOGNITION ROBUST TO NOISY ENVIRONMENTS [P] . KR102316537B1 . 2021-10-22

机译：基于深度神经网络的特征增强基于深度神经网络和修改损耗函数来组合学习的方法和装置，用于扬声器识别到嘈杂的环境
5. deep neural network multiple patch combination METHOD FOR RECOGNIZING FACE USING MULTIPLE PATCH COMBINATION BASED ON DEEP NEURAL NETWORK WITH FAULT TOLERANCE AND FLUCTUATION ROBUSTNESS IN EXTREME SITUATION [P] . 韩国专利： KR20200095356A . 2020-08-10

机译：深度情形下基于深度神经网络的具有容错和波动稳健性的深度神经网络多补丁组合识别面部的方法