典型文献
图像压缩感知的特征域优化及自注意力增强神经网络重构算法
文献摘要：
现有的图像压缩感知(Image Compressive Sensing,ICS)优化启发网络沿用了传统算法的像素域优化思想,构建了像素域的图像信息流动通道,而没有充分利用卷积神经网络所提取的图像特征中的信息.对此,本文提出了在特征域构建信息流的思想,并设计了一种特征域优化启发ICS网络(Feature-Space Optimization-Inspired Network,FSOINet)以实现该思想.考虑到卷积操作感受野较小,本文通过将自注意力模块引入FSOINet以更高效地利用图像非局部自相似性,进一步提高重构质量,我们将其命名为FSOINet+.此外,本文还提出把迁移学习策略应用于不同采样率图像压缩感知重构网络训练中,提高网络学习效率与重构质量.仿真实验表明,本文所提出的网络在峰值信噪比(Peak Signal to Noise Ratio,PSNR)、结构相似性(Structural Similarity Index Measure,SSIM)与视觉效果上都优于现有的最优ICS重构方法,FSOINet与FSOINet+在Set11数据集上与OPINENet+相比重构图像PSNR分别平均提升了1.04 dB和1.27 dB.
文献关键词：
图像压缩感知;深度学习;卷积神经网络;自注意力;图像重构;迁移学习
中图分类号：
作者姓名：
陈文俊;杨春玲
作者机构：
华南理工大学电子与信息学院,广东广州510640
文献出处：
引用格式：
[1]陈文俊;杨春玲-.图像压缩感知的特征域优化及自注意力增强神经网络重构算法)[J].电子学报,2022(11):2629-2637
A类：
FSOINet,FSOINet+,Set11,OPINENet+
B类：
图像压缩感知,注意力增强,网络重构,重构算法,Image,Compressive,Sensing,ICS,发网,沿用,传统算法,像素,优化思想,图像信息,信息流动,图像特征,Feature,Space,Optimization,Inspired,Network,卷积操作,感受野,自注意力模块,非局部自相似性,重构质量,迁移学习策略,策略应用,采样率,网络训练,网络学习,学习效率,峰值信噪比,Peak,Signal,Noise,Ratio,PSNR,结构相似性,Structural,Similarity,Index,Measure,SSIM,视觉效果,重构方法,重构图像,dB,图像重构
AB值：
0.401125
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。
