هندسة برج لابلاسيان التحويلية العميقة الكفوءة لإعادة بناء CS عند نسب عينات منخفضة

تم تطبيق الاستشعار المضغوط (Compressed Sensing - CS) بنجاح في ضغط الصور خلال السنوات القليلة الماضية، حيث تكون معظم إشارات الصور نادرة في مجال معين. تم اقتراح عدة نماذج لإعادة بناء CS وحققت أداءً متفوقًا. ومع ذلك، تعاني هذه الطرق من آثار التجزئة أو الاهتزاز عند نسب العينة المنخفضة في معظم الحالات. لحل هذه المشكلة، نقترح شبكة استشعار مضغوط بيراميد لابلاسيان العميقة (LapCSNet) للاستشعار المضغوط، والتي تتكون من شبكة فرعية للعينة وشبكة فرعية لإعادة البناء. في شبكة العينة الفرعية، نستخدم طبقة تجميعية لتقلد مشغل العينة. على عكس مصفوفات العينة الثابتة المستخدمة في طرق CS التقليدية، يتم تحسين المرشحات المستخدمة في الطبقة التجميعية لدينا بشكل مشترك مع شبكة إعادة البناء الفرعية. في شبكة إعادة البناء الفرعية، تم تصميم فرعين لإعادة بناء صور البواقي متعددة المقاييس وصور الأهداف متعددة المقاييس تدريجيًا باستخدام هيكل بيراميد لابلاسيان. لا يقتصر الأمر على أن الشبكة المقترحة LapCSNet تقوم بدمج المعلومات متعددة المقاييس لتحقيق أداء أفضل فحسب، بل إنها أيضًا تقلل من التكلفة الحسابية بشكل كبير. تظهر النتائج التجريبية على مجموعات البيانات المرجعية أن الطريقة المقترحة قادرة على إعادة بناء المزيد من التفاصيل والأطراف الأكثر حدة مقارنة بالطرق الرائدة في المجال.