基于分块压缩感知的全图像恢复
计算机视觉与模式识别
2018-02-02 v1
摘要
近年来，压缩感知（CS）因深度学习技术的应用而得到极大改进。为方便起见，输入图像通常逐块进行测量与重建，这通常在重建图像中引起块效应。本文提出一种新颖的基于CNN的网络来解决该问题。在测量部分，输入图像被自适应地逐块测量以获得一组测量值；而在重建部分，来自一幅图像的所有测量值被用于同时重建全图像。与以往逐块恢复的方法不同，在测量部分被破坏的结构信息在我们的框架中得到恢复，块效应随之消除。我们通过均方误差（MSE）损失函数训练所提框架。实验表明，所提方法中完全不存在块效应，并且我们的结果相比现有方法高出1.8 dB。
引用
@article{arxiv.1802.00179,
title = {Full Image Recover for Block-Based Compressive Sensing},
author = {Xuemei Xie and Chenye Wang and Jiang Du and Guangming Shi},
journal= {arXiv preprint arXiv:1802.00179},
year = {2018}
}
备注
ICME 2018 submission # 1536