使用收缩去噪器的收敛即插即用

即插即用（PnP）算法利用现代去噪器的能力进行图像重建。研究表明，它们使用卷积神经网络（CNN）去噪器提供了最先进的重建能力。近期的研究确立了使用非扩展去噪器可以保证这些迭代算法的收敛性。然而，将非扩展性整合到基于梯度的学习中是具有挑战性的。现有的训练非扩展去噪器的算法通常无法保证非扩展性，或者计算上很耗费资源。目前的工作基于以下观察：使用收缩去噪器可以保证PnPFBS和PnP-BBS（基于前向-后向和后向-后向分解的PnP）的收敛性。在这方面，我们展示了通过展开应用于小波去噪的FBS迭代，可以构建收缩去噪器，其正则化能力可与CNN去噪器相媲美。据我们所知，这是第一项引入一个简单框架用于训练可证明收缩的去噪器的工作。