大规模计算重建理论与方法

计算成像将高维场景信息压缩编码为低维采集数据，并通过计算重建算法恢复高维场景信息。数据爆炸时代，对高时空分辨率的需求日益迫切，亟需同时满足高精度、低复杂度及适用不同系统的灵活性要求的大规模重建算法。现有大规模计算重建研究，包括交替投影、深度图像先验及即插即用方法，已取得阶段性进展。其中交替投影方法已应用于十亿像素定量相位成像，深度图像先验方法和即插即用方法结合了传统模型优化与深度学习技术的优点，具备大规模重建潜力。系统地梳理3类方法的架构及在大规模计算成像中的应用，展望大规模重建算法的未来发展趋势，以期为后续研究与应用提供有益的指导与借鉴。