摘要
目前压缩感知系统利用少量测量值使用迭代优化算法重构图像.在重构过程中,迭代重构算法需要进行复杂的迭代运算和较长的重构时间.本文提出了多尺度残差网络结构,利用测量值通过网络重构出图像.网络中引入多尺度扩张卷积层用来提取图像中不同尺度的特征,利用这些特征信息重构高质量图像.最后,将网络的输出与测量值进行优化,使得重构图像在测量矩阵上的投影与测量值更加接近.实验结果表明,本文算法在重构质量和重构时间上均有明显优势.
学科与关键词
关键词
压缩感知卷积神经网络多尺度卷积扩张卷积 Compressive sensingconvolution neural networkmulti-scale convolutiondilate convolution
- 多稀疏空间下的压缩感知图像重构王良君; 石光明; 李甫; 谢雪梅; 林耀海西安电子科技大学学报, 2013, (03): 73-80.
- 基于l_p范数的压缩感知图像重建算法研究宁方立; 何碧静; 韦娟ACTA PHYSICA SINICA, 2013, (17): 290-297.
- 利用概率对稀疏域划分的压缩感知方法田玉敏; 宋君西安电子科技大学学报, 2013, (06): 52-57.
