用于压缩图像感知的级联重建网络
图像与视频处理
2018-04-10 v2
摘要
压缩感知(CS)理论在过去几年中已成功应用于图像压缩，其传统迭代重建算法耗时较长。然而，已有报道称基于深度学习的 CS 重建算法可大幅降低计算复杂度。本文中，我们提出了两种对应于 CS 过程中两种不同采样方法的级联重建网络高效结构。第一种重建网络是兼容采样重建网络(CSRNet)，它从由传统随机矩阵采样得到的压缩感知测量中恢复图像。在 CSRNet 中，深度重建网络模块获得具有可接受质量的初始图像，并可由基于卷积神经网络的残差网络模块进一步改善。第二种重建网络是自适应采样重建网络(ASRNet)，通过自动采样模块与相应的残差重建模块相匹配。实验结果表明，所提出的两种重建网络优于几种最先进的压缩感知重建算法。同时，与 CSRNet 相比，所提出的 ASRNet 可获得超过 1 dB 的增益。
引用
@article{arxiv.1712.03627,
title = {Cascaded Reconstruction Network for Compressive image sensing},
author = {Yahan Wang and Huihui Bai and Lijun Zhao and Yao Zhao},
journal= {arXiv preprint arXiv:1712.03627},
year = {2018}
}
备注
17 pages,16 figures