傅里叶相位恢复中参考学习的深入考察
图像与视频处理
2021-10-27 v1 计算机视觉与模式识别
机器学习
摘要
从傅里叶幅度测量中重建图像是一个常出现于不同研究领域的问题。该过程也称为相位恢复。本文考虑相位恢复问题的一个修正版本，允许在测量傅里叶幅度前将参考图像叠加到原图像上。我们分析了一种展开式 Gerchberg-Saxton（GS）算法，可用于从数据集中学习良好的参考图像。此外，我们深入考察所学得的参考图像，并提出一种简单高效的启发式方法来构造参考图像，在某些情况下可得到与学习参考的方法质量相当的重建结果。我们的代码见 https://github.com/tuelwer/reference-learning。
引用
@article{arxiv.2110.13688,
title = {A Closer Look at Reference Learning for Fourier Phase Retrieval},
author = {Tobias Uelwer and Nick Rucks and Stefan Harmeling},
journal= {arXiv preprint arXiv:2110.13688},
year = {2021}
}
备注
Accepted at the NeurIPS 2021 Workshop on Deep Learning and Inverse Problems