针对常规图像采样和压缩方法存在重建图像模糊问题,提出基于残差和卷积神经网络的生猪图像分块压缩感知模型RC-BCSNet(Block-based compressed sensing of pig images based on residual and convolutional networks)。RC-BCSNet是基于...针对常规图像采样和压缩方法存在重建图像模糊问题,提出基于残差和卷积神经网络的生猪图像分块压缩感知模型RC-BCSNet(Block-based compressed sensing of pig images based on residual and convolutional networks)。RC-BCSNet是基于残差和卷积神经网络,采用采样、初始重建、深度重建三段式网络结构。首先通过卷积层自适应学习采样,再进行初始重建图像,最后通过基于残差的卷积神经网络进行图像整体深度重建。结果表明,RC-BCSNet与3种不同经典分块压缩感知算法相比,在7个采样比下平均峰值信噪比(PSNR)最大/最小增益分别为6.16和2.18 dB,平均特征相似度(FSIMc)最大/最小增益分别为0.083和0.037 dB,为信息中心数据处提供数据支持。展开更多
文摘针对常规图像采样和压缩方法存在重建图像模糊问题,提出基于残差和卷积神经网络的生猪图像分块压缩感知模型RC-BCSNet(Block-based compressed sensing of pig images based on residual and convolutional networks)。RC-BCSNet是基于残差和卷积神经网络,采用采样、初始重建、深度重建三段式网络结构。首先通过卷积层自适应学习采样,再进行初始重建图像,最后通过基于残差的卷积神经网络进行图像整体深度重建。结果表明,RC-BCSNet与3种不同经典分块压缩感知算法相比,在7个采样比下平均峰值信噪比(PSNR)最大/最小增益分别为6.16和2.18 dB,平均特征相似度(FSIMc)最大/最小增益分别为0.083和0.037 dB,为信息中心数据处提供数据支持。
