広視野蛍光顕微鏡は、焦点外の背景の霞によって根本的に制約され、画像のコントラストが低下し、細胞内の詳細が不明瞭になります。特殊なハードウェアの複雑さを回避しながらこれらの制限を克服するために、物理に基づく変分モデルに基づく高性能な計算セクショニングフレームワークを提案します。観測された画像を高周波の焦点内信号と低周波の焦点外背景の加算的重ね合わせとしてモデル化し、ペナルティ付き最小二乗最適化を用いて、信号と背景の明確な分離を実現します。厳密な基準推定理論とリアルタイムイメージングの要件とのギャップを埋めるために、ガウス同等の正則化戦略を導入します。このアプローチは、従来の暗黙のペナルティ演算子を明示的なガウス平滑化畳み込みで置き換え、反復最適化の決定論的性質を維持しながら計算効率を大幅に向上させます。共焦点真実に対する定量評価は、我々の方法が解像度スケールピアソン（RSP）係数を1.5倍増加させ、解像度スケール誤差（RSE）を6倍減少させることを示しています。DeepMRAおよびHiLo技術と比較して、我々のフレームワークは高コントラストの深部組織イメージングに対して頑強で物理的に解釈可能な、低コストの解決策を提供します。
He et al. (Mon,) がこの問題を研究しました。