RDFNet：用于光谱快照压缩成像的区域动态 FISTA-Net
图像与视频处理
2023-02-07 v1 计算机视觉与模式识别
摘要
深度卷积神经网络近期在压缩光谱重建中展现出令人鼓舞的结果。然而，以往方法通常采用单一的映射函数进行稀疏表示。考虑到不同区域具有不同的特征，理想的做法是应用多种映射函数来动态调整不同区域的变换。基于这一思想，我们首先引入一种区域动态使用快速迭代收缩阈值算法（FISTA）的方式，以利用区域特性并导出动态稀疏表示。然后，我们提出将该过程展开为一个层次化的动态深度网络，称为 RDFNet。该网络包含多个区域动态块和相应的逐像素自适应软阈值模块，分别负责基于区域的动态映射和逐像素软阈值选择。区域动态块引导网络为不同区域调整变换域。结合自适应软阈值，我们提出的区域动态架构还能以逐像素的方式学习合适的收缩尺度。在模拟和真实数据上的大量实验表明，我们的方法优于先前的最先进技术。
引用
@article{arxiv.2302.02519,
title = {RDFNet: Regional Dynamic FISTA-Net for Spectral Snapshot Compressive Imaging},
author = {Shiyun Zhou and Tingfa Xu and Shaocong Dong and Jianan Li},
journal= {arXiv preprint arXiv:2302.02519},
year = {2023}
}
备注
IEEE Transactions on Computational Imaging