В связи с тем, что корреляционное изображение в реальных условиях с комплексным шумом испытывает трудности в одновременном восстановлении структуры и подавлении шума, в данной работе предложена двухэтапная снимковая схема реконструкции корреляционного изображения, основанная на комбинации регуляризации Тихонова и глубокой денойзинговой обработки. На первом этапе используется регуляризация Тихонова для решения обратной задачи корреляционного изображения, при этом регуляризационные ограничения подавляют неустойчивость и обеспечивают стабильный начальный результат с хорошим сохранением структурной информации; на втором этапе вводится ограничение сохранения данных, основанное на физике изображения, в Noise2VST, что позволяет построить совместно оптимизируемый адаптивный модуль шумоподавления. Этот модуль с помощью стабилизирующего вариационного преобразования отображает сложный остаточный шум как приближенный аддитивный белый гауссов шум, и под воздействием самоконтроля и физических ограничений восстановления данных осуществляет адаптивное шумоподавление, что позволяет эффективно сохранять детали изображения и структуру краев при подавлении остаточного шума. Экспериментальные результаты показывают, что предложенный метод имеет хорошие восстановительные свойства при различных условиях выборки. При высоких условиях выборки по сравнению с методом Тихонова PSNR улучшился на 4,68 дБ, SSIM — на 0,375; при низких условиях выборки сохраняются хорошие визуальные качества и количественная реконструкция, что подтверждает эффективность и устойчивость метода.

корреляционное изображение;регуляризация Тихонова;стабилизирующее вариационное преобразование;восстановление изображения