10.3969/j.issn.1006-2475.2021.12.010
基于多尺度融合网络的视频快照压缩感知重建
视频快照压缩感知基于压缩感知理论,仅在一次曝光过程中将多帧画面投影至二维快照测量,进而实现高速成像.为了从二维快照测量信号恢复出原视频信号,经典的重建算法基于视频的稀疏性先验进行迭代优化求解,但重建质量较低,且耗时过长.深度学习因优异的学习能力而受到广泛关注,基于深度学习的视频快照压缩重建方法也得到关注,但现有深度方法缺乏对于时空特征的有效表达,重建质量仍有待进一步提高.本文提出视频快照压缩感知重建的多尺度融合重构网络(MSF-Net),该网络从横向的卷积深度和纵向的分辨率2个维度展开,分辨率维度利用三维卷积进行不同尺度的视频特征的提取,横向维度利用伪三维卷积残差模块对同分辨率尺度的特征图进行层级提取,并通过不同尺度下的特征交叉融合来学习视频的时空特征.实验结果表明,本文方法能够同时提升重建质量与重建速度.
视频快照;压缩感知;深度学习;多尺度融合
TP391(计算技术、计算机技术)
国家自然科学基金资助项目U2001211,61672292
2021-12-24(万方平台首次上网日期,不代表论文的发表时间)
共8页
58-64,71