基于多尺度残差网络的压缩感知重构算法

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....

Full description

Saved in:
Bibliographic Details
Published in自动化学报 Vol. 45; no. 11; pp. 2082 - 2091
Main Authors 练秋生, 富利鹏, 陈书贞, 石保顺
Format Journal Article
LanguageChinese
Published 燕山大学信息科学与工程学院 秦皇岛 066004 01.11.2019
河北省信息传输与信号处理重点实验室 秦皇岛 066004
Subjects
多尺度卷积
卷积神经网络
扩张卷积
压缩感知
Online AccessGet full text
ISSN0254-4156
DOI10.16383/j.aas.c170546

Cover

More Information
Summary: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.
ISSN:0254-4156
DOI:10.16383/j.aas.c170546