典型文献
基于多通道采样和注意力重构的图像压缩感知
文献摘要：
近年来用于图像压缩感知的深度学习网络得到广泛关注,深度学习网络可以实现图像的压缩采样,并从采样数据重构出原始图像.但现有的压缩感知算法在信息分布不均匀的图像场景中,无法有效提取原始图像信息,导致重构精度较低.针对上述问题,本文提出了基于多通道采样和注意力重构的图像压缩感知算法.该算法包含了多个不同采样率的采样通道,能够根据视觉显著性对图像不同区域应用不同的采样率,使得采样数据中能够包含更多原始图像信息.重构采用了残差通道注意力结构,自适应调整通道特征来提高网络的表示能力.通过对比实验表明,本文提出的基于多通道采样和注意力重构的图像压缩感知算法能够取得更好的重构质量与视觉观感.
文献关键词：
压缩感知;多通道采样;残差通道注意力;重构
中图分类号：
作者姓名：
侯保军;田金鹏;杨洁;邓江峰;曾凤珍
作者机构：
上海大学通信与信息工程学院 上海200444
文献出处：
引用格式：
[1]侯保军;田金鹏;杨洁;邓江峰;曾凤珍-.基于多通道采样和注意力重构的图像压缩感知)[J].电子测量技术,2022(16):102-108
A类：
B类：
多通道采样,图像压缩感知,来用,深度学习网络,压缩采样,采样数据,数据重构,原始图像,压缩感知算法,信息分布,分布不均匀,有效提取,图像信息,采样率,视觉显著性,残差通道注意力,注意力结构,自适应调整,通道特征,示能,重构质量,视觉观,观感
AB值：
0.268826
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
