基于通道注意力的多尺度全卷积压缩感知重构

作者：刘玉红; 陈满银; 刘晓燕

来源：计算机工程, 2022, 48(12): 189-195.

DOI：10.19678/j.issn.1000-3428.0063546

• 压缩感知
• 卷积神经网络
• 均值滤波
• 多尺度全卷积测量
• 注意力机制

现有分块压缩感知图像重建算法存在计算量大、重构时间长，以及在低采样率下重构的图像具有严重的块效应等问题。提出一种基于通道注意力的多尺度全卷积压缩感知图像重构模型。通过均值滤波消除完整场景图像中的噪声点，减少冗余信息，以提取更加有效的信息，采用不同卷积核大小的卷积层对低频信息进行多尺度全卷积采样，得到不同感受野的图像特征信息，丰富网络中原始图像的特征信息。在此基础上，设计一种新的注意力残差模块，通过挖掘特征图通道之间的关联性以提取关键特征信息，提升重构图像的质量。在DIV2K、Set0和Set5数据集上的实验结果表明，当采样率为1%时，该模型的峰值信噪比和结构相似性相较于深度学习模型ISTA-Net分别平均提升了2.02 dB和0.078 2，相较于迭代优化模型TVAL3，重构一张256×256像素图像所花费的时间平均缩短2.608 4 s。所提模型在低采样率下能够有效利用原始图像中的信息生成更清晰的重构图像。

• 单位
  兰州交通大学