重访即插即用框架下的视频压缩感知字典学习
计算机视觉与模式识别
2022-03-11 v2 图像与视频处理
摘要
面向高维（HD）数据获取与分析，快照压缩成像（SCI）利用光学成像系统获取HD数据的2D压缩测量，并采用压缩感知算法重建HD数据。尽管即插即用（PnP）框架为SCI重建提供了新兴解决方案，其内在去噪过程仍具挑战性。遗憾的是，PnP框架中现有去噪器要么性能有限，要么需要大量训练数据。本文中，我们提出一种高效且有效的基于浅层学习的视频SCI重建算法。通过重访字典学习方法，我们为PnP框架赋予了新的去噪器——核奇异值分解（KSVD）。得益于KSVD的出现，我们的算法在质量、速度与训练难度间保持了良好权衡。在多个数据集上，仿真结果的定量与定性评估均证明了所提方法的有效性。相较于采用全变分的典型基线，我们的方法在PSNR上提升约 dB，在SSIM上提升0.2。我们期望所提PnP-KSVD算法能作为视频SCI重建的新基线。
引用
@article{arxiv.2110.04966,
title = {Revisit Dictionary Learning for Video Compressive Sensing under the Plug-and-Play Framework},
author = {Qing Yang and Yaping Zhao},
journal= {arXiv preprint arXiv:2110.04966},
year = {2022}
}
备注
8 pages, 5 figures