一种基于深度学习的图像分块压缩感知方法
计算机视觉与模式识别
2016-06-07 v1
摘要
压缩感知（CS）是一种信号处理框架，旨在通过少量由信号线性投影获得的测量值高效重建信号。分块压缩感知是一种轻量级CS方法，特别适用于处理极高维度的图像和视频：它在局部图像块上操作，采用低复杂度重建算子，并且存储感知矩阵所需的内存显著减少。本文提出了一种基于深度学习的分块压缩感知方法，其中全连接网络同时执行分块线性感知和非线性重建阶段。在训练阶段，感知矩阵和非线性重建算子被联合优化，所提方法在重建质量和计算时间方面均优于现有最优方法。例如，在25%的感知率下，平均PSNR优势为0.77dB，且计算时间快200倍以上。
引用
@article{arxiv.1606.01519,
title = {A Deep Learning Approach to Block-based Compressed Sensing of Images},
author = {Amir Adler and David Boublil and Michael Elad and Michael Zibulevsky},
journal= {arXiv preprint arXiv:1606.01519},
year = {2016}
}