.png){kind=icon}
返回
Marginal Multi-Object Multi-Frame Blind Deconvolution
.png){kind=icon}
PRE
AI
DOI：10.1007/s11207-026-02752-9.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
高分辨率地基太阳成像高度依赖多目标多帧盲去卷积来校正大气湍流。然而，传统的联合最大似然估计方法在同时估计目标和大气像差时面临一些问题。本文引入了一种边际估计器用于多目标多帧盲去卷积问题。通过采用贝叶斯框架对观测目标进行边缘化，我们开发了一种稳定的重建方法，相比标准联合估计具有若干明显优势。首先，边缘化提供了增强的正则化，能够自然地考虑目标不确定性，成功防止重建算法错误地将噪声功率分配给高阶像差。其次，边际估计器能实现更稳健的对比度控制，因为它对决定目标先验功率谱密度（PSD）的超参数不敏感。这种稳健性使得这些超参数可以直接优化，实现了“即插即用”部署，无需专家手动调优。最后，我们证明所提方法易于访问且实现简单，仅需在传统评价函数中添加对数行列式项即可。对现有盲去卷积流程仅需少量修改，边际估计器已完全集成到开源的torchmfbd软件包中，供太阳物理学界使用。
Keyword:
Earth’s atmosphere: atmospheric seeing
Instrumentation and data management
期刊
IF:
2.4
论文数:
353
被引数:
1.2W
机构
引用论文
.png){kind=icon}
分享收藏分享收藏
查看更多内容