[发明专利]图像重构方法、系统、终端设备及存储介质

权利要求书

1.一种图像重构方法，其特征在于，所述方法包括：

将样本图像输入隐向量编码网络分别进行下采样和特征提取，得到抽象特征和样本隐向量；

将所述抽象特征和所述样本隐向量输入生成式对抗网络中的生成器进行特征融合，得到图像特征，并将所述图像特征输入所述生成器进行图像生成，得到生成图像；

将所述生成图像输入所述生成式对抗网络中的判别器进行真伪识别，并根据真伪识别结果进行损失计算，得到损失值；

根据所述损失值分别对所述隐向量编码网络、所述生成器和所述判别器进行参数更新，直至所述隐向量编码网络、所述生成器和所述判别器收敛；

将待重构图像输入收敛后的所述隐向量编码网络进行特征提取，得到目标隐向量，并将所述目标隐向量输入收敛后的所述生成器进行图像生成，得到重构图像。

2.如权利要求1所述的图像重构方法，其特征在于，所述将样本图像输入隐向量编码网络分别进行下采样和特征提取，得到抽象特征和样本隐向量，包括：

将所述样本图像输入所述隐向量编码网络分别进行全局均值池化、全局最大值池化和卷积处理，得到第一下采样特征、第二下采样特征和第一卷积特征；

对所述第二下采样特征进行下采样，得到第三下采样特征，并分别将所述第一下采样特征和所述第三下采样特征输入所述隐向量编码网络中的全连接层进行特征映射，得到第一映射特征和第二映射特征；

根据所述第一卷积特征、所述第一映射特征和所述第二映射特征生成所述样本隐向量；

其中，所述抽象特征包括所述第一下采样特征、所述第二下采样特征和所述第三下采样特征。

3.如权利要求2所述的图像重构方法，其特征在于，所述根据所述第一卷积特征、所述第一映射特征和所述第二映射特征生成所述样本隐向量，包括：

分别对所述第一映射特征和所述第二映射特征进行归一化处理，得到第一归一化特征和第二归一化特征；

将所述第一归一化特征、所述第二归一化特征和所述第一卷积特征进行相加运算，得到全局特征，并对所述全局特征进行卷积处理，得到所述样本隐向量。

4.如权利要求2所述的图像重构方法，其特征在于，所述将所述抽象特征和所述样本隐向量输入生成式对抗网络中的生成器进行特征融合，得到图像特征，包括：

将所述样本隐向量输入所述生成器进行上采样，得到上采样特征；

将所述第一下采样、所述第二下采样特征和所述第三下采样特征，分别融合至对应指定采样次数中的上采样特征中，并将所述生成器的上采样结果确定为所述图像特征。

5.如权利要求1所述的图像重构方法，其特征在于，所述将样本图像输入隐向量编码网络分别进行下采样和特征提取之前，还包括：

分别对所述样本图像进行图像压缩模拟、图像噪点模拟和图像模糊模拟；

对所述样本图像进行图像压缩模拟所采用的公式为：

image₂＝jpegCompress(image₁，uniform(30，60))

其中，image₁是所述样本图像，image₂是图像压缩模拟后的样本图像，uniform(30，60))表示随机选一个30-60之间的数作为压缩率；

对所述样本图像进行图像噪点模拟所采用的公式为：

image₃＝image₁+Gaussian(mean，sigma)

其中，image₃是图像噪点模拟后的样本图像，mean为高斯分布的均值，随机取-10至10之间的数，sigma为高斯分布的方差，随机取5至15之间的数；

对所述样本图像进行图像模糊模拟所采用的公式为：

image₄＝blur(image₁)

其中，image₄是图像模糊模拟后的样本图像，blur为随机选高斯模糊、均值模糊或中值模糊。