8、成像中的大规模逆问题解析

成像中的大规模逆问题解析

1. 正则化参数选择

在成像的大规模逆问题中，正则化参数的选择至关重要。可以通过绘制误差与正则化解的范数（∥xreg∥₂）关于所有可能正则化参数的关系图，此图常呈现 L 形曲线，L 形曲线拐角对应的解表明在误差和溶液大小之间达到了良好的平衡。

不过，虽然 L 形曲线法在许多问题中效果较好，但也有文献对其有效性提出了担忧。除了 L 形曲线法，还有许多其他的参数选择方法。

选择正则化参数时，如果参数选得太小，计算解中会引入过多噪声；若参数太大，正则化解可能会过度平滑，无法包含足够的真实解信息。需要注意的是，没有一种参数选择方法是绝对可靠的，可能需要用不同参数求解问题，并结合应用知识来确定最佳解。

2. 可分离逆问题

可分离非线性逆问题在许多成像应用中出现，如盲反卷积、超分辨率、从低温冷冻样本的二维电子显微镜图像重建三维大分子结构以及地震成像应用等。其一般形式为：
[b = A(x^{(n\ell)} {\text{exact}}) x^{(\ell)} {\text{exact}} + \eta]

可以将其视为一般非线性逆问题并采用相应方法计算正则化解，但这里主要考虑利用问题可分离性的方法，例如将一些正则化方法应用于此问题。以一般的 Tikhonov 正则化最小二乘问题为例：
[
\begin{align }
\min_{x^{(\ell)},x^{(n\ell)}} \left{|A(x^{(n\ell)}) x^{(\ell)} - b| 2^2 + \alpha^2 |x^{(\ell)}|_2^2\righ