一种基于对抗学习的未知视角层析重建方法
图像与视频处理
2021-11-16 v2 机器学习
信号处理
摘要
二维层析重建的目标是根据图像来自不同视角的投影恢复图像。通常假定与投影相关联的投影角是预先已知的。然而在某些情况下,这些角度仅近似已知或完全未知。从一组随机投影中重建图像变得更具挑战性。我们提出一种基于对抗学习的方法,通过匹配测量的经验分布与生成数据的分布来恢复图像和投影角分布。分布拟合通过基于 Wasserstein 生成对抗网络结构的生成器与判别器之间的极小极大博弈实现。为适应投影角分布通过梯度反向传播的更新,我们使用离散分布采样的 Gumbel-Softmax 重参数化来近似损失。我们的理论分析验证了在收敛时图像与投影分布除旋转和反射外可唯一恢复。我们大量的数值实验展示了该方法在噪声干扰下准确恢复图像和投影角分布的潜力。
引用
@article{arxiv.2108.09873,
title = {An Adversarial Learning Based Approach for Unknown View Tomographic Reconstruction},
author = {Mona Zehni and Zhizhen Zhao},
journal= {arXiv preprint arXiv:2108.09873},
year = {2021}
}