用于压缩无透镜成像的未训练网络
图像与视频处理
2021-06-23 v2 计算机视觉与模式识别
光学
摘要
压缩无透镜成像器在极紧凑的设备中实现了新颖应用，仅需在传感器附近放置相位或振幅掩模。它们已被用于二维和三维显微、单帧视频以及单帧高光谱成像；在每种情况下，都需要求解基于压缩感知的逆问题，以从二维测量中恢复三维数据立方体。通常，这通过使用凸优化和人工选取的先验来完成。或者，基于深度学习的方法有望提供更好的先验，但需要成千上万的 ground truth 训练对，而这往往难以或无法获取。本工作中，我们提出使用未训练网络进行压缩图像恢复。我们的方法不需要任何标注训练数据，而是利用测量本身来更新网络权重。我们在无透镜压缩二维成像以及利用相机滚动快门进行单帧高速视频恢复和单帧高光谱成像上展示了我们的未训练方法。我们提供了仿真与实验验证，表明我们的方法相比现有方法提升了图像质量。
引用
@article{arxiv.2103.07609,
title = {Untrained networks for compressive lensless photography},
author = {Kristina Monakhova and Vi Tran and Grace Kuo and Laura Waller},
journal= {arXiv preprint arXiv:2103.07609},
year = {2021}
}
备注
17 pages, 8 figures