.png){kind=icon}
返回
Robust Compressive Sensing Imaging for Quantization Bit Erasure
.png){kind=icon}
PRE
AI
DOI：10.1109/TCI.2026.3656014.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
现有的压缩感知（CS）重建算法主要针对确定性测量进行设计。然而，在实际场景中，传输或存储过程中的量化比特擦除引入了测量不确定性，并显著增加了重建的复杂性。我们将CS框架扩展以显式处理此类比特级不确定性，从而能够从带有缺失比特的量化测量中实现鲁棒图像恢复。我们首先枚举所有有效的量化比特擦除组合，以构建可行的测量值候选集。然后，将该候选集纳入一个新提出的反问题约束中。我们提出了一种迭代式插值算法来求解该问题，交替执行两个关键步骤：（1）使用预训练去噪器的图像更新；（2）通过坐标下降加速的软最小投影策略进行测量更新。大量实验证明了所提出方法的有效性，即使在极低采样率和严重擦除条件下也能实现高质量重建。我们的框架为易错且资源受限的成像环境中的比特擦除鲁棒CS重建提供了一种可扩展且原理清晰的方法。
Keyword:
Compressive sensing
quantization bits
proximal operator
image reconstruction
binary erasure channel
期刊
I
IF:
4.8
论文数:
153
被引数:
0
机构
引用论文
.png){kind=icon}
ISTA-Net: Interpretable Optimization-Inspired Deep Network for Image Compressive SensingIsta-net: 用于图像压缩感知的可解释优化启发的深度网络
OAAI
OAAI分享收藏分享收藏
查看更多内容