用于求解具有不精确正算子的逆问题的学习型RESESOP方法

求解逆问题时，必须处理众多潜在的模型不精确来源，如物体运动、校准误差或简化数据模型。正则化序次子空间优化（ReSeSOp）通过连续投影到适当定义的子空间来补偿重建步骤中的此类不精确。然而，该方法依赖于模型不精确程度的先验估计，而这些估计通常是未知的。在动态成像应用中，不精确性来源于物体不可预测的动态，提前确定这些估计尤其具有挑战性。为了克服这一限制，我们提出了一种学习型ReSeSOp版本，允许在线近似不精确程度。所提出的框架将已建立的无展开迭代重建方案推广到不精确正算子，并特别针对动态问题的结构进行了定制。我们还呈现了关于正问题内部依赖关系影响的全面数学分析，阐明了何时以及为何将整体问题分解为子问题是必要的。所提出的方法在动态成像的各种示例上进行了评估，包括来自流变学CT实验、脑MRI和实时心脏MRI的数据集。各自的结果强调了重建质量的改善，同时确保了充分的数据一致性。