avatar avatar 我的文献 基于残差编解码网络的单光子压缩成像 单位 南昌大学信息工程学院 期刊 光学学报 时间 关键词 单光子成像; 单光子压缩成像; 压缩感知; 深度学习
摘要
单光子压缩成像是压缩感知理论在光子计数成像中的有效应用,具有成本低、灵敏度高等优点。然而,在进行高分辨率成像时,由于需要大量的测量和图像重建计算,单光子压缩成像需要较长的成像时间。本文提出了一种采样和重建集成的残差编解码网络用于单光子压缩成像,我们称这个网络为SRIED-Net。我们将二值化的全连接层作为网络的第一层,并将其训练成二进制的测量矩阵,直接加载到DMD上以实现高效压缩采样。除第一层外的其余网络用于快速重建压缩感知图像。我们通过一系列的仿真实验和系统实验比较了压缩采样率、测量矩阵和重建算法对成像性能的影响。实验结果表明,SRIED-Net在低测量率下优于目前比较先进的迭代算法TVAL3,在高测量率下与TVAL3的效果很接近,在所有测量率下都优于目前常见的几种基于深度学习的方法。
下载 浏览 cnki {{liketext}}
©2020 - iData {{ message }} 关闭