摘要
成像中的逆问题得到了广泛研究，积累了多种策略、工具和理论。近年来，深度学习技术的出现对这一领域产生了巨大影响。本文重点关注的一项贡献是由Ulyanov、Vedaldi和Lempitsky（2018）提出的深度图像先验（Deep Image Prior, DIP）。DIP提供了一种新的逆问题正则化方法，通过强制恢复的图像由给定的深度架构生成来实现。尽管DIP已被证明是一种相当有效的无监督方法，但其结果与当前最先进的替代方案相比仍有不足。在本研究中，我们旨在通过添加显式先验来增强DIP，从而丰富整体正则化效果，以获得更好的恢复图像。具体而言，我们提出引入去噪正则化（Regularization by Denoising, RED）的概念，该方法利用现有的去噪器对逆问题进行正则化。我们的研究表明，DIP和RED可以合并为一种非常有效的无监督恢复过程，同时避免了对所选去噪器进行微分的需求，并在多个测试问题中展示了非常出色的结果。