基于深度学习的二值测量矩阵自适应构建方法

作     者：韩捷飞 连博博 孙立颖 Han Jiefei;Lian Bobo;Sun Liying

作者机构：苏州蛟视智能科技有限公司江苏苏州215123 

基　　金：江苏省自然科学基金(BK20180233 BK20201188) 

出 版 物：《激光与光电子学进展》 (Laser & Optoelectronics Progress)

年 卷 期：2021年第58卷第22期

页      码：433-441页

摘      要：在基于压缩感知的计算鬼成像领域中,测量矩阵的设计问题一直是被研究的对象。理想的测量矩阵需要满足较高的采样效率、较好的重构效果和较低的硬件实现要求。为了减轻测量矩阵的设计与实现难度,提出了一种基于深度学习的二值测量矩阵的构建方法。该方法通过卷积操作模拟图像的压缩采样过程,并利用设计的采样网络对图像数据进行训练,以自适应的方式对测量矩阵进行迭代更新。仿真与实验结果表明,构建的测量矩阵能够在较低采样率条件下得到高质量的重构图像,进一步促进了计算鬼成像的实际应用。

主 题 词：光计算 成像系统 计算鬼成像 压缩感知 测量矩阵 图像处理 深度学习 

学科分类：0808[工学-自动化类] 070207[070207] 07[理学] 08[工学] 0803[工学-仪器类] 0702[理学-物理学类] 

核心收录：

D　O　I：10.3788/LOP202158.2220001

馆 藏 号：203107179...