RARE：利用无真值学习的深度先验进行图像重建
图像与视频处理
2020-10-28 v2
摘要
去噪正则化（RED）是一种以图像去噪器作为先验的图像重建框架。近期研究表明，采用预训练卷积神经网络（CNN）对应的学习型去噪器时，RED 可达到最优性能。本文中，我们提出通过考虑对应于训练用于更一般伪影去除的网络之先验，拓宽当前以去噪器为中心的 RED 视角。所提算法族称为伪影去除正则化（RARE），其关键优势在于可利用仅在含欠采样测量的数据集上学习到的先验。这使得 RARE 适用于那些实际上不可能拥有全采样真值数据用于训练的问题。我们在模拟与实验采集数据上验证 RARE，将从严重欠采样 k 空间测量中将自由呼吸全身 3D MRI 重建为十个呼吸时相。结果证实了直接在欠采样且含噪测量上学习迭代反演正则化器的潜力。
引用
@article{arxiv.1912.05854,
title = {RARE: Image Reconstruction using Deep Priors Learned without Ground Truth},
author = {Jiaming Liu and Yu Sun and Cihat Eldeniz and Weijie Gan and Hongyu An and Ulugbek S. Kamilov},
journal= {arXiv preprint arXiv:1912.05854},
year = {2020}
}
备注
In press for IEEE Journal of Special Topics in Signal Processing