基于 CNN 的投影梯度下降用于一致性图像重建
计算机视觉与模式识别
2018-09-11 v1
摘要
我们提出了一种用于图像重建的新方法，该方法将投影梯度下降（PGD）中的投影算子替换为卷积神经网络（CNN）。被训练为高维（图像到图像）回归器的 CNN 近来已被用于高效解决成像中的逆问题。然而，这些方法缺乏一种反馈机制来强制重建图像与测量一致。这对于逆问题至关重要，在生物医学成像中更是如此，因为重建图像用于诊断。在我们的方案中，梯度下降强制测量一致性，而 CNN 递归地将解投影到更接近期望重建图像空间的位置。我们提供了一个形式化框架，以确保经典 PGD 收敛到非凸约束最小二乘问题的局部极小点。当投影算子被 CNN 替换时，我们提出了一种松弛 PGD，它总是收敛。最后，我们提出了一种简单方案来训练 CNN 使其充当投影算子。我们在稀疏视角计算机断层扫描（CT）重建上的实验（包括无噪声和有噪声测量）显示，相比全变分（TV）方法和近期基于 CNN 的技术有所改进。
引用
@article{arxiv.1709.01809,
title = {CNN-Based Projected Gradient Descent for Consistent Image Reconstruction},
author = {Harshit Gupta and Kyong Hwan Jin and Ha Q. Nguyen and Michael T. McCann and Michael Unser},
journal= {arXiv preprint arXiv:1709.01809},
year = {2018}
}