使用非局部神经网络的图像压缩感知
图像与视频处理
2021-12-08 v1 计算机视觉与模式识别
摘要
近年来，基于深度网络的图像压缩感知（CS）备受关注。然而，现有基于深度网络的 CS 方案要么以块为单位重建目标图像从而导致严重的块效应，要么将深度网络作为黑箱训练从而缺乏对图像先验知识的深入利用。本文提出一种使用非局部神经网络（NL-CSNet）的新型图像 CS 框架，其利用非局部自相似先验与深度网络来改善重建质量。在所提出的 NL-CSNet 中，构建了两个非局部子网络，分别用于在测量域和多尺度特征域中利用非局部自相似先验。具体而言，在测量域子网络中，建立不同图像块测量值之间的长距离依赖以得到更好的初始重建。类似地，在多尺度特征域子网络中，探索密集特征表示之间的亲和性以进行深度重建。此外，设计了一种新的损失函数以增强非局部表示之间的耦合，这也使得 NL-CSNet 的端到端训练成为可能。大量实验表明，NL-CSNet 在保持较快计算速度的同时优于现有最先进的 CS 方法。
引用
@article{arxiv.2112.03712,
title = {Image Compressed Sensing Using Non-local Neural Network},
author = {Wenxue Cui and Shaohui Liu and Feng Jiang and Debin Zhao},
journal= {arXiv preprint arXiv:2112.03712},
year = {2021}
}
备注
14 pages, 11 figures, 7 tables