将学习先验注入基于模型的多光谱成像
图像与视频处理
2019-09-23 v1 计算机视觉与模式识别
摘要
我们引入了一种从含噪线性测量中正则化重建多光谱 (MS) 图像的新算法。与传统方法不同，该算法通过使用一个仅由学习的去噪函数指定的先验来正则化恢复问题。更具体地说，我们提出了一种新的加速梯度方法 (AGM) 变体，即用于基于模型的 MS 图像重建的去噪正则化 (RED)。我们方法的关键要素是三维 (3D) 深度神经网络 (DNN) 去噪器，它可以充分利用 MS 图像内的空间-光谱相关性。我们的结果表明了我们的 MS-RED 算法的泛化能力，其中单个训练好的 DNN 可用于解决多个不同的 MS 成像问题。
引用
@article{arxiv.1909.09313,
title = {Infusing Learned Priors into Model-Based Multispectral Imaging},
author = {Jiaming Liu and Yu Sun and Ulugbek S. Kamilov},
journal= {arXiv preprint arXiv:1909.09313},
year = {2019}
}
备注
arXiv admin note: text overlap with arXiv:1905.05113