买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：太原科技大学

摘要：本发明一种分解模型启发的图像压缩伪影去除方法，属于图像质量增强领域，致力于解决低质量压缩图像恢复问题，首先，构建了一种基于结构纹理分解的图像压缩伪影去除优化模型，其次，将该模型展开为一种可解释的图像压缩伪影去除网络STNet，该网络主要包括结构特征提取模块和纹理特征提取模块，这两个模块交替迭代更新并且以渐进增强的方式优化图像的结构特征和纹理特征，从而使得结构特征和纹理特征能够实现互补，最终，将结构特征提取模块和纹理特征提取模块分别输出的结构图像、纹理图像通过逐像素相加操作得到输出的增强图像，本发明方法的重建性能在图像质量客观评价指标PSNR、SSIM和PSNR‑B上均优于多个现有的图像压缩伪影去除方法。

主权项：1.一种分解模型启发的图像压缩伪影去除方法，其特征在于：包括以下步骤：步骤1构建图像压缩伪影去除模型的训练数据；使用JPEG标准编码器压缩DIV2K数据集的所有图像，得到和原始输入图成对的压缩图像训练数据集；步骤2构建一种基于结构纹理分解的图像压缩伪影去除优化模型；首先，利用L0梯度最小化平滑方法将JPEG标准编码器压缩图像进行滤波处理得到结构图，使用压缩图像减去结构图，即可得到纹理图；接着，将结构图和纹理图分别经过结构初始化子网络ISN-S和纹理结构初始化子网络ISN-T得到初始化特征图，然后利用最大后验概率模型对输入图像X、结构图S和纹理图T之间关系进行数学建模；最后，将该概率模型转变为一种基于结构纹理分解的图像压缩伪影去除优化模型；步骤3将步骤2中的基于结构纹理分解的图像压缩伪影去除优化模型展开为可解释网络；使用近端梯度下降算法来求解步骤2中得到的图像压缩伪影去除优化模型，并将其展开为一种可解释的图像压缩伪影去除网络STNet，该网络包括初始化子网络和深度重建子网络两部分；步骤4构建初始化子网络将步骤2中得到的结构图和纹理图分别使用所有权重为1的3×3卷积核进行图像平滑滤波得到初步去噪的结构图和纹理图，然后将初步去噪的结构图和纹理图分别与步骤2中得到的结构图和纹理图沿着通道维度堆叠起来并送入到初始化子网络，接下来，从结构图的初始化子网络和纹理图的初始化子网络的输出特征中分别抽取前三张特征图作为初始化的结构图S0和纹理图T0，剩下的特征图和作为补充信息送入到下一个阶段；步骤5构建深度重建子网络使用步骤3得到的深度重建子网络的结构特征提取模块和纹理特征提取模块分别以交替迭代的方式不断地更新结构特征和纹理特征；步骤6损失函数将经过可解释的图像压缩伪影去除网络STNet增强的图像和原始无失真图像作为损失函数的输入，使用L1范数约束的重建损失来监督该网络的学习。

全文数据：

权利要求：

百度查询： 太原科技大学 一种分解模型启发的图像压缩伪影去除方法