基于字典模型的在线自适应图像重建（OnAIR）
机器学习
2019-07-23 v3 机器学习
摘要
稀疏与低秩模型在从有限或 corrupted 测量中重建图像和视频方面颇受欢迎。字典或变换学习方法在去噪、修复和医学图像重建等应用中很有用。本文提出一种从线性（通常为欠采样）测量中在线（或时间顺序）自适应重建动态图像序列的框架。我们将底层动态图像序列的时空块建模为在字典中稀疏，并从流式测量中依次估计字典与图像。还考虑了多种对自适应字典的约束，如酉矩阵或低秩字典原子，以提供额外的效率或鲁棒性。所提出的在线算法内存高效，并涉及字典原子、稀疏系数和图像的简单更新。数值实验证明了所提方法在逆问题中的用处，如从含噪、欠采样像素的视频重建或修复，以及从极有限测量进行的动态磁共振图像重建。
引用
@article{arxiv.1809.01817,
title = {Online Adaptive Image Reconstruction (OnAIR) Using Dictionary Models},
author = {Brian E. Moore and Saiprasad Ravishankar and Raj Rao Nadakuditi and Jeffrey A. Fessler},
journal= {arXiv preprint arXiv:1809.01817},
year = {2019}
}
备注
To appear in IEEE Transactions on Computational Imaging