Sparsity and Coefficient Permutation Based Two-Domain AMP for Image Block Compressed Sensing

要約

学習されたノイズ除去ベースの近似メッセージ パッシング (LDAMP) アルゴリズムは、画像圧縮センシング (CS) タスクで大きな注目を集めています。
ただし、これには 2 つの問題があります。1 つは、そのグローバル測定モデルが高次元画像への適用性を厳しく制限していることと、そのブロックベースの測定方法が明らかなブロック アーチファクトを示していることです。
2 つ目は、LDAMP のノイズ除去機能が単純すぎるため、既存のノイズ除去機能の詳細な回復能力が限られているということです。
この論文では、問題を克服し、画像ブロック圧縮センシング (BCS) 用の高性能 LDAMP 手法を開発するために、ブロックベースのサンプリングとブロックベースのサンプリングから構成される新しいスパース性および係数置換ベースの AMP (SCP-AMP) 手法を提案します。
2 ドメイン再構成モジュール。
サンプリング モジュールでは、SCP-AMP は離散コサイン変換 (DCT) ベースのスパース性戦略を採用して、再構成に対する高周波係数の影響を軽減し、その後、ブロック アーティファクトを回避するための係数置換戦略を採用します。
再構成モジュールでは、DCT ドメインのノイズ補正とピクセル ドメインのノイズ除去を備えた 2 ドメイン AMP 法が反復再構成のために提案されています。
デノイザーに関しては、マルチレベル機能と複数のアテンション メカニズムを採用することでテクスチャの詳細を強化するマルチレベル ディープ アテンション ネットワーク (MDANet) を提案しました。
広範な実験により、提案された SCP-AMP 手法は、視覚的認識と客観的指標の両方の点で、他の最先端の BCS アルゴリズムよりも優れた再構成精度を達成できることが実証されました。

要約(オリジナル)

The learned denoising-based approximate message passing (LDAMP) algorithm has attracted great attention for image compressed sensing (CS) tasks. However, it has two issues: first, its global measurement model severely restricts its applicability to high-dimensional images, and its block-based measurement method exhibits obvious block artifacts; second, the denoiser in the LDAMP is too simple, and existing denoisers have limited ability in detail recovery. In this paper, to overcome the issues and develop a high-performance LDAMP method for image block compressed sensing (BCS), we propose a novel sparsity and coefficient permutation-based AMP (SCP-AMP) method consisting of the block-based sampling and the two-domain reconstruction modules. In the sampling module, SCP-AMP adopts a discrete cosine transform (DCT) based sparsity strategy to reduce the impact of the high-frequency coefficient on the reconstruction, followed by a coefficient permutation strategy to avoid block artifacts. In the reconstruction module, a two-domain AMP method with DCT domain noise correction and pixel domain denoising is proposed for iterative reconstruction. Regarding the denoiser, we proposed a multi-level deep attention network (MDANet) to enhance the texture details by employing multi-level features and multiple attention mechanisms. Extensive experiments demonstrated that the proposed SCP-AMP method achieved better reconstruction accuracy than other state-of-the-art BCS algorithms in terms of both visual perception and objective metrics.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google