基于正交字典学习的泊松无相位测量去噪
最优化与控制
2019-06-10 v1
摘要
由 CCD 探测器记录的无相位衍射测量常受泊松噪声影响。本文中，我们提出一种利用基于块稀疏性的字典学习模型，以对泊松无相位测量进行去噪。该模型由三项组成：(i) 正交字典的表示项，(ii) 系数矩阵的 伪范数，以及 (iii) 用于拟合无相位泊松数据的 Kullback-Leibler 散度。采用快速交替最小化方法 (AMM) 和近端交替线性化最小化 (PALM) 来求解所建模型并保证收敛，且特别推导了 PALM 的全局收敛性。两种算法的子问题均有快速求解器，并且事实上，由于所学字典的正交性，稀疏编码与字典更新的解均具有闭式形式。利用编码衍射与叠层成像图案进行相位恢复的数值实验表明了所提方法的效率与鲁棒性，相较于其他无正则化的相位恢复算法以及局部稀疏促进算法，该方法通过保留纹理特征，生成了视觉与定量上均有所改善的去噪图像。
引用
@article{arxiv.1612.08656,
title = {Denoising Poisson Phaseless Measurements via Orthogonal Dictionary Learning},
author = {Huibin Chang and Stefano Marchesini},
journal= {arXiv preprint arXiv:1612.08656},
year = {2019}
}
备注
14 pages, 11 figures