L'algorithme AIRI plug-and-play pour la reconstruction d'images en radio-interférométrie : variations et robustesse

RÉSUMÉ Les algorithmes plug-and-play (PnP) constituent des alternatives attrayantes aux algorithmes proximaux lors de la résolution de problèmes d'imagerie inverse. En apprenant un débruiteur de réseau de neurones profond (DNN) se comportant comme un opérateur proximal, on renonce à la complexité computationnelle des algorithmes d'optimisation induite par des a priori d'image sophistiqués, et à la sous-optimalité des a priori artisanaux par rapport aux DNN. De telles caractéristiques sont très désirables en imagerie radio-interférométrique (RI), où la précision et l'évolutivité du processus de reconstruction d'image sont essentielles. Dans des travaux antérieurs, nous avons introduit AIRI (‘AI Regularization in radio-interferometric Imaging’), contrepartie PnP de la variante non contrainte de l'algorithme d'optimisation SARA (Sparsity Averaging Reweighted Analysis), reposant sur un noyau algorithmique avant-arrière. Ici, nous introduisons des variations d'AIRI vers un paradigme PnP plus général et robuste en imagerie RI. Tout d'abord, nous montrons que les débruiteurs AIRI peuvent être utilisés sans aucune altération pour instituer une contrepartie PnP de l'algorithme d'optimisation SARA contraint lui-même, reposant sur un noyau algorithmique primal-dual avant-arrière, élargissant ainsi le champ d'application du paradigme AIRI. Deuxièmement, nous montrons que les algorithmes AIRI sont robustes à de fortes variations dans la nature de l'ensemble de données d'entraînement, avec des débruiteurs entraînés sur des images médicales fournissant une qualité de reconstruction similaire à ceux entraînés sur des images astronomiques. Troisièmement, nous développons une fonctionnalité pour quantifier l'incertitude du modèle introduite par le hasard dans le processus d'entraînement. Nous validons la fonctionnalité de reconstruction d'image et de quantification de l'incertitude des algorithmes AIRI par rapport à la famille SARA et CLEAN, tant en simulation que sur des données réelles de la galaxie ESO 137-006 acquises avec le télescope MeerKAT. Le code AIRI est disponible dans la bibliothèque de code BASPLib^ sur GitHub.