去噪正则化与FFDNet结合的相位恢复算法

扫码查看

原文链接

万方数据
维普

中文摘要：相位恢复是图像逆问题的一种,通过图像信号的幅值,恢复出采样过程中缺失的相位信息.目前相位恢复算法使用稀疏先验以及传统去噪器先验,存在特征表征不充分的问题.prDeep算法使用DnCNN卷积神经网络作为去噪器先验,结合去噪正则化模型提升了恢复效果,但是仍存在对复杂噪声鲁棒性较差的问题.针对prDeep算法对复杂噪声鲁棒不足的问题,提出了用FFDNet作为去噪器先验与去噪正则化模型相结合的算法.该算法利用FFDNet网络对噪声的自适应性,使用去噪正则化(RED)构建优化模型,解决了复杂正则化模型求导繁琐的问题.在保证卷积神经网络对特征表征能力的同时,提高了对复杂噪声的鲁棒性以及算法的迭代效率.仿真实验结果表明,该算法在不同噪声等级下,恢复图像信噪比和迭代效率均有所提升.

外文标题：Phase Retrieval Algorithm Based on RED Combined with FFDNet

作者：

金焱、杨敏

展开 >

作者单位：

南京邮电大学自动化学院、人工智能学院,江苏南京210023

关键词：

相位恢复去噪正则化即插即用先验去噪器先验卷积神经网络

基金：

国家自然科学基金

项目编号：

61971237

出版年：

2022

DOI：

10.3969/j.issn.1673-629X.2022.10.023

计算机技术与发展

陕西省计算机学会

计算机技术与发展

CSTPCD

影响因子：0.621

ISSN：1673-629X

年,卷(期)：2022.32(10)

参考文献量20