基于稀疏性与系数置换的双域AMP用于图像块压缩感知

基于学习去噪的近似消息传递（LDAMP）算法在图像压缩感知（CS）任务中引起了广泛关注。然而，它存在两个问题：首先，其全局测量模型严重限制了其对高维图像的适用性，且其基于块测量的方法表现出明显的块效应；其次，LDAMP中的去噪器过于简单，现有去噪器的细节恢复能力有限。本文为克服这些问题并开发一种用于图像块压缩感知（BCS）的高性能LDAMP方法，提出了一种新颖的基于稀疏性与系数置换的AMP（SCP-AMP）方法，由基于块的采样和双域重建模块组成。在采样模块中，SCP-AMP采用基于离散余弦变换（DCT）的稀疏策略以降低高频系数对重建的影响，随后采用系数置换策略以避免块效应。在重建模块中，提出了一种具有DCT域噪声校正与像素域去噪的双域AMP方法用于迭代重建。关于去噪器，我们提出了一种多级深度注意力网络（MDANet），通过利用多级特征与多种注意力机制来增强纹理细节。大量实验表明，所提出的SCP-AMP方法在视觉感知与客观指标上均取得了优于其他SOTA BCS算法的重建精度。