用于射电干涉测量图像重建的 AIRI 即插即用算法:变体与鲁棒性
图像与视频处理
2024-08-23 v3 天体物理仪器与方法
摘要
在求解图像反问题时,即插即用算法是近端算法极具吸引力的替代方案。通过学习一个行为类似于近端算子的深度神经网络(DNN)去噪器,可以免除由复杂图像先验引发的优化算法的计算复杂性,以及与 DNN 相比手工设计先验的次优性。这些特性在射电干涉测量(RI)成像中非常理想,其中图像重建过程的精度和可扩展性是关键。在先前的工作中,我们引入了 AIRI,即 SARA 优化算法无约束变体的 PnP 对应物,其依赖于前向-后向算法骨架。在此,我们引入 AIRI 的变体,以在 RI 成像中实现更通用和鲁棒的 PnP 范式。首先,我们表明 AIRI 去噪器无需任何改动即可用于实例化受约束 SARA 优化算法本身的 PnP 对应物,其依赖于原始-对偶前向-后向算法骨架,从而扩展了 AIRI 范式的适用范围。其次,我们表明 AIRI 算法对训练数据集性质的强烈变化具有鲁棒性,在医学图像上训练的去噪器能产生与在天文图像上训练的去噪器相似的重建质量。第三,我们开发了一项功能,用于量化由训练过程中的随机性引入的模型不确定性。我们通过模拟数据以及用 MeerKAT 望远镜获取的 ESO 137-006 星系真实数据,验证了 AIRI 算法的图像重建和不确定性量化功能,并与 SARA 系列和 CLEAN 进行了对比。AIRI 代码可在 GitHub 的 BASPLib 代码库中获取。
引用
@article{arxiv.2312.07137,
title = {The AIRI plug-and-play algorithm for image reconstruction in radio-interferometry: variations and robustness},
author = {Matthieu Terris and Chao Tang and Adrian Jackson and Yves Wiaux},
journal= {arXiv preprint arXiv:2312.07137},
year = {2024}
}