我有一个输出灰度图像重建的深度学习网络。除了良好的重建性能（通过均方误差或 psnr 等其他度量来衡量）之外，我还想通过损失函数中的正则化项来鼓励这些输出是稀疏的。

一种方法是添加一个 L1 正则化项，以惩罚像素强度的绝对值之和。虽然这是一个好的开始，但是否有任何考虑到邻接和空间连续性的惩罚？它不一定是常用的约束/正则化术语，但即使是朝这个方向发展的潜在概念或论文也会非常有帮助。在自然图像中，稀疏像素倾向于形成区域或补丁，而不是分散或分散。有没有办法鼓励连续像素区域稀疏而不是单个像素？