用于快照压缩成像的 GAP-net
图像与视频处理
2020-12-16 v1
摘要
快照压缩成像 (SCI) 系统旨在使用 2D 探测器单次捕获高维（D）图像。SCI 设备包括两个主要部分：硬件编码器和软件解码器。硬件编码器通常由设计为捕获{压缩测量}的（光学）成像系统组成。另一方面，软件解码器指的是从那些测量中恢复所需高维信号的重建算法。在本文中，利用深度展开思想，我们提出了一种 SCI 恢复算法，即 GAP-net，其展开了广义交替投影 (GAP) 算法。在每个阶段，GAP-net 将其当前信号估计通过一个训练好的卷积神经网络 (CNN)。该 CNN 充当去噪器，将估计投影回所需信号空间。对于采用训练好的基于自编码器的去噪器的 GAP-net，我们证明了一个概率全局收敛结果。最后，我们研究了 GAP-net 在求解视频 SCI 和光谱 SCI 问题中的性能。在两种情况下，GAP-net 在合成数据和真实数据上都展示了有竞争力的性能。除了具有高精度和高速度外，我们展示了 GAP-net 相对于信号调制是灵活的，意味着训练好的 GAP-net 解码器可应用于不同系统。我们的代码位于 https://github.com/mengziyi64/ADMM-net。
引用
@article{arxiv.2012.08364,
title = {GAP-net for Snapshot Compressive Imaging},
author = {Ziyi Meng and Shirin Jalali and Xin Yuan},
journal= {arXiv preprint arXiv:2012.08364},
year = {2020}
}
备注
30 pages, 14 figures; State-of-the-art algorithms for Snapshot Compressive Imaging