基于并行Transformer和CNN的图像压缩感知重构网络

作     者：张新岩 祝勇俊 吴宏杰 周凡利 ZHANG Xinyan;ZHU Yongjun;WU Hongjie;ZHOU Fanli

作者机构：苏州科技大学电子与信息工程学院苏州215009 南京航空航天大学电子信息工程学院南京211106 苏州同元软控信息技术有限公司苏州215123 

基　　金：国家自然科学基金项目(62073231) 

出 版 物：《科技导报》 (Science & Technology Review)

年 卷 期：2025年第43卷第2期

页      码：108-116页

摘      要：图像压缩感知是一种能够在低采样率下实现高效信号采样与重构的技术,但在实现高质量图像重构时,面临局部与全局特征难以有效融合的问题。为此,提出一种结合Transformer与卷积神经网络(convolutional neural networks,CNN)优点的图像压缩感知重构框架(transformer-CNN mixture transformer,TCMformer)。该框架充分利用CNN的局部建模能力和Transformer的全局特征捕捉能力;设计了一种特征融合模块(TCM Block),有效桥接局部与全局特征,从而提升特征表示效率;同时,为降低模型复杂度并控制计算成本,框架采用基于窗口的Transformer结构,通过分块实现高效的全局建模。此外,引入渐进式重建策略,利用多尺度特征图逐步优化重建质量。实验结果表明,TCMformer在峰值信噪比、结构相似性和视觉效果上相较于主流的压缩感知重构算法表现更优,为实现高质量的图像重建提供了一种有效的解决方案。

主 题 词：压缩感知 Transformer 卷积神经网络 图像重建 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 080203[080203] 0835[0835] 0802[工学-机械学] 0811[工学-水利类] 0812[工学-测绘类] 

核心收录：

馆 藏 号：203157510...