基于时空字典学习的亚采样太赫兹数据重建
计算机视觉与模式识别
2015-06-17 v1
摘要
本文探讨了太赫兹脉冲成像与重建问题。假设已获取不完整的（亚采样的）三维太赫兹数据集，目标是恢复所有缺失样本。为此提出了一种诱导稀疏性的方法。首先，对不完整的含噪数据应用简单插值。然后，我们提出一种时空字典学习方法，基于联合稀疏恢复算法获得数据的合适稀疏表示。接着，利用稀疏系数与学习到的字典，通过最小化一个简单的代价函数对三维数据进行有效去噪。我们考虑两类太赫兹数据来评估所提方法的性能：针对具有清晰层状结构的模型样本（例如埋在聚乙烯颗粒中的 T 形塑料片）获取的太赫兹数据，以及药物片剂数据（具有低空间分辨率）。从仅 5% 观测值重建 T 形数据的信噪比达到 19 dB。此外，从 10% 观测值重建后药物片剂数据所得厚度与深度测量的准确度分别为 98.8% 和 99.9%。这些结果连同本文末尾给出的化学映射分析，证实了所提方法的准确性。
引用
@article{arxiv.1506.04912,
title = {Subsampled terahertz data reconstruction based on spatio-temporal dictionary learning},
author = {Vahid Abolghasemi and Hao Shen and Yaochun Shen and Lu Gan},
journal= {arXiv preprint arXiv:1506.04912},
year = {2015}
}