将稀疏性与深度学习融合用于旋转散射掩模伽马成像
摘要：旋转散射掩模(RSM)系统用于快速、便携和准确地定位辐射源。然而，数据获取过程的不确定性是主要挑战之一：测量信号的维数远小于待重建图像的维数。为了解决这个问题，本研究旨在融合基于模型的稀疏正则化和基于数据的深度神经网络去噪图像先验来进行图像重建。一种高效的算法被开发出来，相较于现有方法，能够产生更优秀的重建效果。
作者：Yilun Zhu, Clayton Scott, Darren Holland, George Landon, Aaron Fjeldsted, Azaree Lintereur
论文ID：2307.15884
分类：Signal Processing
分类简称：eess.SP
提交时间：2023-08-01