Devido à dificuldade de equilibrar a recuperação estrutural e a supressão de ruído na imagem correlacionada sob ruído complexo em cenários práticos, este artigo propõe uma estrutura de reconstrução de imagem correlacionada em duas etapas baseada na regularização de Tikhonov combinada com denoising profundo. Na primeira etapa, o problema inverso da imagem correlacionada é resolvido usando regularização de Tikhonov, suprimindo a degeneração por meio de restrições de regularização para obter um resultado inicial estável com boa preservação das informações estruturais; na segunda etapa, é introduzida no Noise2VST uma restrição de fidelidade de dados baseada na física da imagem para construir um módulo adaptativo de denoising otimizado em conjunto. Esse módulo utiliza a transformação de estabilização de variância para mapear o ruído residual complexo em ruído aditivo branco gaussiano aproximado e realiza o denoising adaptativo sob restrições de auto-supervisão e fidelidade de dados físicas, suprimindo o ruído residual enquanto preserva efetivamente os detalhes da imagem e as estruturas das bordas. Os resultados experimentais mostram que o método proposto possui bom desempenho de reconstrução sob diferentes condições de amostragem. Sob condições de alta amostragem, o PSNR melhora em 4,68 dB e o SSIM em 0,375 em comparação com o método de Tikhonov; sob condições de baixa amostragem, ainda mantém boa qualidade visual e desempenho quantitativo de reconstrução, validando a efetividade e robustez do método.

imagem correlacionada; regularização de Tikhonov; transformação de estabilização de variância; reconstrução de imagem