苏州蛟视智能科技有限公司, 江苏 苏州 215123
在基于压缩感知的计算鬼成像领域中,测量矩阵的设计问题一直是被研究的对象。理想的测量矩阵需要满足较高的采样效率、较好的重构效果和较低的硬件实现要求。为了减轻测量矩阵的设计与实现难度,提出了一种基于深度学习的二值测量矩阵的构建方法。该方法通过卷积操作模拟图像的压缩采样过程,并利用设计的采样网络对图像数据进行训练,以自适应的方式对测量矩阵进行迭代更新。仿真与实验结果表明,构建的测量矩阵能够在较低采样率条件下得到高质量的重构图像,进一步促进了计算鬼成像的实际应用。
光计算 成像系统 计算鬼成像 压缩感知 测量矩阵 图像处理 深度学习 激光与光电子学进展
2021, 58(22): 2220001
