AMP-Net:基于去噪的深度展开用于压缩图像感知
图像与视频处理
2021-01-25 v2 计算机视觉与模式识别
摘要
大多数压缩感知(CS)重建方法可分为两类,即基于模型的方法和经典深度网络方法。通过将基于模型方法的迭代优化算法展开到网络上,深度展开方法兼具基于模型方法良好的可解释性和经典深度网络方法的高速度。本文中,为解决视觉图像CS问题,我们提出了一种称为AMP-Net的深度展开模型。它并非学习正则化项,而是通过展开著名的近似消息传递算法的迭代去噪过程来构建。此外,AMP-Net集成了去块效应模块,以消除视觉图像CS中通常出现的块效应伪影。另外,采样矩阵与其他网络参数联合训练以增强重建性能。实验结果表明,所提出的AMP-Net比其他最先进方法具有更好的重建精度,且重建速度快、网络参数少。
引用
@article{arxiv.2004.10078,
title = {AMP-Net: Denoising based Deep Unfolding for Compressive Image Sensing},
author = {Zhonghao Zhang and Yipeng Liu and Jiani Liu and Fei Wen and Ce Zhu},
journal= {arXiv preprint arXiv:2004.10078},
year = {2021}
}