自适应级联压缩感知
计算机视觉与模式识别
2022-03-22 v1 图像与视频处理
摘要
依赖于场景的自适应压缩感知(CS)一直是一个长期追求的目标,其在显著提升 CS 性能方面具有巨大潜力。然而,在无法获取真实图像的情况下,如何设计依赖于场景的自适应策略仍是一个开放问题,且采样效率的提升仍相当有限。本文提出了一种基于受限等距性质(RIP)条件的误差钳制方法,可直接预测重建误差,即当前阶段重建图像与真实图像之间的差异,并在后续采样阶段将样本自适应地分配到不同区域。此外,我们提出了一种级联特征融合重建网络,可高效利用来自不同自适应采样阶段的信息。与当前最优 CS 算法相比,所提出的自适应级联 CS 方法的有效性与大量定量和定性结果得到了验证。
引用
@article{arxiv.2203.10779,
title = {Adaptive and Cascaded Compressive Sensing},
author = {Chenxi Qiu and Tao Yue and Xuemei Hu},
journal= {arXiv preprint arXiv:2203.10779},
year = {2022}
}