插拔式优越化

优越化方法（SM）是一种优化启发式方法，其核心是通过对旨在解决特定问题的迭代算法进行“优越化”处理，以促进解决方案相对于某些次要准则而获得改进。这种优越化通过对算法的迭代结果在给定函数的非递增方向上进行扰动来实现；该函数对解决方案中不希望的特征进行惩罚。因此，对算法进行优越化后的解决方案应当在该函数的值上得到改进。在本文中，我们将SM扩展开来，允许扰动通过任意过程来引入，采用插拔式方法。这使得诸如图像去噪器或深度神经网络等操作能够被纳入优越化方法之内。作为概念验证，我们进行了涉及低剂量和稀疏视角计算机断层扫描（CT）图像重建的数值仿真，比较了插拔式方法与两种传统优越化算法以及后处理方法。插拔式方法在大多数情况下能够提供可比或更好的图像质量，同时在计算时间和解决方案数据保真度方面也具有优势。