摘要
実際のシナリオにおける複雑なノイズ下での相関イメージングにおいて、構造復元とノイズ抑制の両立が困難な問題に対して、本論文ではTikhonov正則化と深層ノイズ除去を組み合わせた2段階スナップショット型相関イメージング再構成フレームワークを提案する。第1段階ではTikhonov正則化を用いて相関イメージングの逆問題を解き、正則化制約により病的性を抑制し、構造情報を良好に保持した安定した初期再構成結果を得る。第2段階ではNoise2VSTに画像物理に基づくデータ忠実制約を導入し、共同最適化された適応型ノイズ除去モジュールを構築する。本モジュールは分散安定化変換を利用して複雑な残差ノイズを近似的な加法性ホワイトガウスノイズに写像し、自己教師制約と物理的データ忠実制約の共同作用により適応的ノイズ除去を実現することで、残差ノイズを抑制しつつ画像の細部やエッジ構造を効果的に保持する。実験結果は提案手法が異なるサンプリング条件下で良好な再構成性能を持つことを示している。高サンプリング条件ではTikhonov法に比べPSNRが4.68 dB、SSIMが0.375向上しており、低サンプリング条件においても視覚品質および定量的な再構成性能を良好に維持し、本手法の有効性と頑健性を検証した。
关键词
相関イメージング;Tikhonov正則化;分散安定化変換;画像再構成
以上内容由讯飞翻译自动生成，翻译内容仅供参考。对于因使用本网站翻译内容产生的相关后果，本网站不承担任何商业和法律责任。
The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website