一种基于物理原理的Richardson-Lucy反卷积替代方法，适用于不同信噪比范围且无需迭代终止条件

《Nature Communications》：A physics-informed alternative to Richardson-Lucy deconvolution across SNR regimes without iteration cutoffs

　　

摘要

Richardson-Lucy反卷积方法被广泛用于恢复被点扩散函数模糊且受噪声干扰的图像，但该方法容易过度拟合噪声，从而产生高频伪影。因此，在实际应用中往往需要手动调整停止准则或采用缺乏物理依据的特定正则化方法。为解决这一问题，我们提出了DeBayes：一种基于物理上精确的图像形成模型构建的严格贝叶斯反卷积框架。DeBayes在空间域中进行反卷积处理，同时准确建模噪声源，并推断出关于目标物体的完整后验分布。该方法无需假设数据的稀疏性或连续性，能够生成严格为正的重建结果，且无需用户调整正则化参数或设置迭代终止条件即可稳定收敛。我们的方法是无监督的，设计上具备快速、可并行处理的优点，为实现稳健且符合物理原理的图像重建提供了另一种可行方案。我们在HeLa细胞线粒体网络的模拟图像和实验图像上验证了DeBayes方法的稳定收敛性以及较低的噪声放大效应。