基于高倍特征残差网络的压缩感知图像重构

作者：涂云轩; 冯玉田; 应凯杰; 高萌

来源：电子测量技术, 2020, 43(07): 113-118.

DOI：10.19651/j.cnki.emt.1903776

• 图像重构
• 残差网络
• 卷积核
• 压缩采样

压缩感知图像重构要求从远低于奈奎斯特采样率的数据中恢复高分辨率图像,在光学和雷达系统、医学成像、射电天文学等成像领域具有广泛需求。深度学习网络能够自动提取数据的高层次特征,近年来在图像重构领域得到广泛应用。为进一步提高图像重构性能,提出了一种基于高倍特征残差网络结构的重构模型。该模型中采样部分应用非重叠卷积核卷积采样,重构部分在保证网络参数量合理的同时,设计了特征图倍增的残差网络结构。训练模型时采用l1范数和结构相似度指标组合的损失函数。实验结果表明,基于本模型的图像重构质量优于其它重构模型。

• 单位
  通信与信息工程学院; 上海大学