تحسين الاحتمالية الهامشية الفعالة في التفكيك الأعمى

الوصف

يعد مبدأ MAPk deconvolution الأعمى أكثر قوة من مبدأ MAPx ، k. ومع ذلك ، يعتبر من الصعب تنفيذه ولم يتم استغلاله على نطاق واسع.
في هذه الورقة ، نجادل في إمكانية تحسين نهج MAPk بسهولة ، وتقديم خوارزميات MAPk بسيطة وعملية. بينما تتناوب استراتيجيات MAPx و k الشائعة أساسًا بين تقدير الصورة الكامنة نظرًا لتقدير kernel و kernel نظرًا للصورة ، تستخدم خوارزمية MAPk الخاصة بنا نفس الخطوات ، حيث يتمثل الاختلاف الوحيد في أن تقدير kernel يراعي التباين المشترك حول x وليس فقط لـ يعني الحل. بينما تقدير دقيق لـ

التباين يمثل تحديًا ، يمكن حساب تقريب قطري بكفاءة في O (N) كقطر معكوس لنظام deconvolution.
بينما قدمنا ​​المبادئ الأساسية لتحسين MAPk ، هناك العديد من الخيارات الحسابية لاستكشافها ، مثل اختيار المرشحات ، واختيار تقريب التباين ، والنموذج السابق.

تم استرداد الصور لمثالين اختباريين. نلاحظ بشكل تجريبي أن نتائج deconvolution معقولة بصريًا عندما تكون نسبة الأخطاء بين deconvolution مع النواة المقدرة و deconvolution مع نواة الحقيقة الأساسية أقل من 3.

إعادة النظر في مطابقة النقاط القوية: نهج التحسين المقعر

DREAM الأمثل لتشغيل النمذجة العكسية