三重互补先验在图像压缩感知中的威力
图像与视频处理
2020-05-19 v1 计算机视觉与模式识别
摘要
近期利用深度模型的工作在各种图像复原应用中取得了优越结果。此类方法通常为有监督的，需要具有与待恢复图像相似分布的图像训练语料库。另一方面，通常为无监督的浅层方法在许多逆问题（例如图像压缩感知（CS））中仍具前景，因为它们能有效利用自然图像的非局部自相似先验。然而，此类方法大多基于块，由于朴素的块聚合导致复原图像出现各种振铃伪影。单独使用任一类方法通常限制图像复原任务中的性能与泛化性。本文中，我们提出一个联合低秩与深度（LRD）图像模型，其包含一对三重互补先验，即外部与内部、深度与浅层、以及局部与非局部先验。随后我们基于 LRD 模型提出一种用于图像 CS 的新型混合即插即用（H-PnP）框架。为使优化可解，提出一种简单而有效的算法来求解所提基于 H-PnP 的图像 CS 问题。大量实验结果表明，所提 H-PnP 算法显著优于图像 CS 复原的最先进技术如 SCSNet 与 WNNM。
引用
@article{arxiv.2005.07902,
title = {The Power of Triply Complementary Priors for Image Compressive Sensing},
author = {Zhiyuan Zha and Xin Yuan and Joey Tianyi Zhou and Jiantao Zhou and Bihan Wen and Ce Zhu},
journal= {arXiv preprint arXiv:2005.07902},
year = {2020}
}