受压缩感知启发的自监督单像素成像
计算机视觉与模式识别
2026-04-01 v1
摘要
单像素成像（SPI）是一种在强扰动环境中具有独特优势的成像模组。现有SPI方法缺乏物理稀疏约束，忽略了局部与全局特征的融合，导致对噪声极其敏感，出现结构失真和细节模糊。为此，我们提出了SISTA-Net，这是一种受压缩感知启发的自监督单像素成像方法。SISTA-Net将迭代收缩阈值算法（ISTA）展开为一个具有可解释性的网络，包含数据保真模块和鞭状映射模块。保真模块采用混合CNN-VSSM架构来整合局部和全局特征建模，增强重建的完整性和保真度。我们利用深度非线性网络作为自适应稀疏变换，结合可学习的软阈值算子，在潜在域施加显式的物理稀疏约束，从而实现噪声抑制和在极低采样率下的抗干扰能力。在多个仿真场景下的大量实验表明，SISTA-Net在PSNR上优于最先进的方法高出2.6 dB。实际的远场水下测试结果显示，平均PSNR提升3.4 dB，验证了其强大的抗干扰能力。
引用
@article{arxiv.2603.29732,
title = {Compressive sensing inspired self-supervised single-pixel imaging},
author = {Jijun Lu and Yifan Chen and Libang Chen and Yiqiang Zhou and Ye Zheng and Mingliang Chen and Zhe Sun and Xuelong Li},
journal= {arXiv preprint arXiv:2603.29732},
year = {2026}
}
备注
10 pages, 9 figures, 2 algorithms, 2 tables, journal paper