【图像压缩感知】DEEP NETWORKS FOR COMPRESSED IMAGE SENSING（CVPR）

1、基本信息

K. Kulkarni, S. Lohit, P. Turaga, R. Kerviche, and A. Ashok, “Reconnet: Non-iterative reconstruction of images from compressively sensed measurements,” in IEEE Conf. Comp. Vision and Pattern Recog （CVPR）, June 2016.

关键词：Compressed sensing, deep networks，sampling mechanism

研究问题：在压缩感知理论中，存在着两个重要的挑战：

（1）设计高效的采样机制；

（2）设计重建算法以得到最高质量的重建图像。

作者针对以上两个问题：借助于一个深度网络展开研究。首先使用网络训练的方式训练了一个采样矩阵；然后提出了一个深度网络来重建图像。

2、核心内容

（1）研究背景

针对目前常用的采样矩阵的缺点，指出设计采样矩阵的迫切性。此外，在重建方法上，作者指出其他方法的图像重建性能虽然较好，但是却具有较高的时间复杂度。

本文工作：设计一个采样矩阵；提出一个快速的非线性重建算法。

（2）提出的网络

traditional BCS-SPL methods consist of three steps including compressed sampling, initial reconstruction and