[发明专利]一种基于深度学习的压缩感知重构方法和系统

摘要

本发明涉及图像压缩感知重构技术领域，公开了一种基于深度学习的压缩感知重构方法及系统，其把压缩采样和重构结合起来，利用卷积层进行采样，构建了由测量矩阵到网络层的映射关系，在系统进行训练的同时更新采样卷积层中的参数，根据数据集中的特征训练得到更合适的测量矩阵，使测量矩阵拥有自适应性，能有更好的图像重构效果，还对训练集进行了预处理，减少了计算复杂度，提高了采样效率。在进行信号重构中结合了卷积生成对抗网络模型，去掉了网络中的全连接层，使训练速度更快，还可防止全连接层参数多而导致的训练过拟合问题。并且，在生成器训练中加入了测量值优化步骤，提高了信号重构的速度和性能。