用于压缩图像感知的深度网络
计算机视觉与模式识别
2017-07-25 v1
摘要
由于大多数图像信号在某一域内是稀疏的，压缩感知(CS)理论在过去几年中已成功应用于图像压缩。近期已提出多种 CS 重建模型并获得了优异的性能。然而，CS 理论中仍存在两个重要挑战。第一个是如何设计采样机制以实现最优采样效率，第二个是如何执行重建以获得最高质量，从而实现最优信号恢复。在本文中，我们尝试利用深度网络来解决这两个问题。首先，我们通过网络训练来训练采样矩阵，而不是使用传统的人工设计矩阵，这更适合我们基于深度网络的重建过程。然后，我们提出了一种深度网络来恢复图像，该网络模仿了传统的压缩感知重建过程。实验结果表明，与 SOTA 方法相比，我们基于深度网络的 CS 重建方法在质量上提供了非常显著的提升。
引用
@article{arxiv.1707.07119,
title = {Deep Networks for Compressed Image Sensing},
author = {Wuzhen Shi and Feng Jiang and Shengping Zhang and Debin Zhao},
journal= {arXiv preprint arXiv:1707.07119},
year = {2017}
}
备注
This paper has been accepted by the IEEE International Conference on Multimedia and Expo (ICME) 2017