基于多通道采样和注意力重构的图像压缩感知
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.
压缩感知、多通道采样、残差通道注意力、重构
45
TP391(计算技术、计算机技术)
国家自然科学基金;上海市科委重点项目
2022-11-10(万方平台首次上网日期,不代表论文的发表时间)
共7页
102-108