Физически обоснованная альтернатива деконволюции Ричардсона–Люси в разных режимах SNR без ограничений по числу итераций

Деконволюция Ричардсона–Люси широко используется для восстановления изображаемых объектов, размытых функцией рассеяния точки и искажённых шумом, и известна склонностью к переобучению шуму, что приводит к высокочастотным артефактам. Поэтому практическое применение опирается на вручную настроенные критерии остановки или произвольную регуляризацию с ограниченным физическим обоснованием. Для решения этой проблемы мы представляем DeBayes: строгую байесовскую схему деконволюции, основанную на физически точной модели формирования изображения. DeBayes выполняет деконволюцию в пространственной области, совместно моделирует точные источники шума и выводит полные апостериорные распределения для восстанавливаемого объекта. Метод избегает предположений о разреженности или непрерывности, даёт строго положительные реконструкции и сходится устойчиво без ручной настройки параметров регуляризации или ограничений по числу итераций. Наш метод является неподконтрольным (unsupervised) и рассчитан на быструю параллелируемую вычислительную реализацию, обеспечивая принципиальную альтернативу Ричардсону–Люси для надёжной, физически информированной реконструкции изображений. Мы демонстрируем устойчивое сходимость DeBayes и минимальное усиление шума на имитированных и экспериментальных изображениях сетей митохондрий в клетках HeLa.