실제 환경에서 복잡한 노이즈 하에서 구조 복원과 노이즈 억제를 동시에 달성하기 어려운 연관 영상 문제를 해결하기 위해, 본 논문에서는 Tikhonov 정규화와 딥 노이즈 제거를 결합한 2단계 스냅샷 기반 연관 영상 재구성 프레임워크를 제안한다. 첫 번째 단계에서는 Tikhonov 정규화를 이용해 연관 영상 역문제를 해결하며, 정규화 구속을 통해 병리성을 억제하여 구조 정보를 잘 유지하는 안정적인 초기 재구성 결과를 얻는다; 두 번째 단계에서는 Noise2VST에 영상 물리학 기반 데이터 충실도 구속을 도입하여 공동 최적화된 적응형 노이즈 제거 모듈을 구성한다. 이 모듈은 분산 안정화 변환을 이용해 복잡한 잔여 노이즈를 근사 가산 화이트 가우시안 노이즈로 변환하고, 자가 감독 및 물리적 데이터 충실도 구속의 공동 작용 하에 적응형 노이즈 제거를 수행함으로써 잔여 노이즈를 억제하는 동시에 이미지 세부 정보와 에지 구조를 효과적으로 보존한다. 실험 결과 제안된 방법은 다양한 샘플링 조건에서 우수한 재구성 성능을 보였다. 고샘플링 조건에서는 Tikhonov 방법 대비 PSNR이 4.68 dB, SSIM이 0.375 향상되었으며; 저샘플링 조건에서도 우수한 시각적 품질과 정량적 재구성 성능을 유지하여 방법의 유효성과 견고성을 검증하였다.

연관 영상; Tikhonov 정규화; 분산 안정화 변환; 영상 재구성