用于数据一致图像重建的不确定性感知零空间网络
计算机视觉与模式识别
2023-04-17 v1 数值分析
图像与视频处理
数值分析
摘要
从含噪且不完整的测量中重建图像是若干图像处理应用中的核心任务。近年来，基于深度学习的最新进展，最先进的重建方法得以发展。特别是对于高度欠定问题，保持数据一致性是一个关键目标。这可以通过迭代网络架构或网络重建结果的后续投影来实现。然而，为使此类方法能用于医学成像等安全关键领域，网络重建不仅应向用户提供重建图像，还应提供对重建结果的某种置信度水平。为满足这两个关键需求，本文将对偶深度零空间网络与不确定性量化相结合。所提方法的评估包括玩具CT数据集上欠采样Radon测量的图像重建，以及fastMRI数据集上的加速MRI重建。本工作是首个在解决逆问题的同时，通过估计输入依赖的尺度图来建模数据依赖不确定性的方法，从而提供对重建质量的鲁棒评估。
引用
@article{arxiv.2304.06955,
title = {Uncertainty-Aware Null Space Networks for Data-Consistent Image Reconstruction},
author = {Christoph Angermann and Simon Göppel and Markus Haltmeier},
journal= {arXiv preprint arXiv:2304.06955},
year = {2023}
}