Monte Carlo Maximum Likelihood Reconstruction for Digital Holography with Speckle

ملخص تقني: إعادة البناء باستخدام تقدير الاحتمال الأقصى بطريقة مونت كارلو للهولوغرافيا الرقمية مع التبقّع

1. بيان المشكلة

تعاني أنظمة التصوير المتماسكة، مثل الهولوغرافيا الرقمية، من ضجيج التبقّع (Speckle Noise)، والذي يُنمذج إحصائياً كـ ضجيج ضربي (Multiplicative Noise). رياضياً، يتم نمذجة عملية الاستحواذ كـ $y = Ag + z$، حيث $g$ هي صورة الانعكاس المركبة التي تحتوي على التبقّع (تُنمذج كـ $g \sim \mathcal{CN}(0, \text{diag}(x))$) و $z$ هو ضجيج المستشعر الجمعي.

الطريقة المنهجية لإعادة بناء الانعكاسية الخالية من التبقّع $x$ هي من خلال تقدير الاحتمال الأقصى (Maximum Likelihood Estimation - MLE). ومع ذلك، تتضمن دالة هدف الـ MLE لوغاريتم المحدد ومعكوس مصفوفة التباين $\Sigma(x) = A^HA + \sigma_z^2 I$. بالنسبة للصور عالية الدقة، تجعل أبعاد هذه المصفوفات حساب المعكوس المباشر وحساب المحدد أمراً مستحيلاً من الناحية الحسابية. وبناءً على ذلك، تعتمد الطرق الحالية غالباً على تقريبات غير مثالية (مثل افتراض $A^HA \approx I$) أو طرق تكرارية ثقيلة حسابياً (مثل طريقة نيوتن-شولز Newton-Schulz)، مما يحد من القدرة على التوسع والدقة عند نمذجة فتحات بصرية دقيقة فيزيائياً (مثل الأقنعة الدائرية أو الحلقية).

2. المنهجية: PGD-MC

يقترح المؤلفون إطار عمل جديداً يسمى الاشتقاق المتدرج المسقط مع تقدير مونت كارلو (Projected Gradient Descent with Monte Carlo estimation - PGD-MC). الابتكار الجوهري هو نهج الجبر الخطي العشوائي الذي يسمح بتحسين MLE القابل للتوسع دون الحاجة إلى عمليات عكس المصفوفات الصريحة.

المكونات الخوارزمية الرئيسية:

• الاشتقاق المتدرج المسقط (PGD): تتم صياغة المشكلة كـ MLE مقيد: $\hat{x} = \arg \min_{x \in \mathcal{X}} f_L(x)$، حيث $\mathcal{X}$ هي مجموعة قيود محددة بواسطة مسبقات الصور (Denoisers). تقوم الخوارزمية بالتناوب بين خطوة الاشتقاق المتدرج (دقة البيانات) وخطوة الإسقاط (دمج المسبقات).
• تقدير الأثر بطريقة مونت كارلو (MC Trace Estimation): لتجنب تكلفة $O(n^3)$ لحساب قطر $A^H\Sigma(x)^{-1}A$ (المطلوب للاشتقاق)، يستخدم المؤلفون نهجاً عشوائياً. من خلال توليد $K$ من المتجهات العشوائية $v \sim \mathcal{N}(0, I)$ وحل المعادلة لإيجاد $u$ بحيث $\Sigma(x)u \approx Av$، يحصلون على مُقدِّر غير متحيز لعناصر القطر عبر المتطابقة $E[A^Hu \odot v]$.
• طريقة التدرج المترافق (Conjugate Gradient - CG): بدلاً من عكس $\Sigma(x)$، تستخدم الخوارزاء طريقة CG لحل الأنظمة الخطية المطلوبة لكل من تقدير مونت كارلو واشتقاق الاحتمال الأقصى.
• استغلال البنية الفورية (Fourier Structure): بما أن مصفوفة الاستشعار $A$ في الهولوغرافيا الرقمية هي قناع في المجال الفوري (Fourier-domain mask)، فقد نفذ المؤلفون جميع العمليات باستخدام تحويلات فورييه السريعة (FFTs). يسمح هذا للخوارزمية بالعمل في المجال المكاني ثنائي الأبعاد، متجنبةً عملية التجهيز (Vectorization) الصريحة وضرب المصفوفات الضخمة.

3. المساهمات الرئيسية

1. إطار عمل MLE قابل للتوسع: تطوير طريقة لحل هدف MLE الدقيق للتصوير المتماسك دون الافتراضات التبسيطية (مثل $A^HA \approx I$) المستخدمة في الأعمال السابقة.
2. اشتقاق مصفوفي عشوائي بدون مصفوفات (Matrix-Free): تقديم مزيج من تقدير أثر مونت كارلو وطريقة CG التي تتجاوز الحاجة إلى تشكيل أو عكس مصفوفات التباين عالية الأبعاد.
3. التكامل مع نهج "القابس والتشغيل" (Plug-and-Play - PnP): يتميز إطار العمل بمرونة عالية، مما يسمح بدمج مختلف المسبقات، بما في ذلك المقللات الكلاسيكية (BM3D)، ومقللات التعلم العميق (DnCNN)، والشبكات العصبية غير المدربة (Deep Decoder).
4. القابلية للتوسع في الدقة العالية: أثبتت الطريقة قدرتها على التوسع بفعالية في الإعدادات عالية الدقة (تصل إلى $512 \times 512$) من خلال الاستفادة من الحسابات القائمة على FFT.

4. النتائج

• دقة فائقة: تظهر التجارب المكثفة أن PGD-MC يتفوق باستمرار على طريقة CPnP-EM المتطورة من حيث PSNR و SSIM عبر مختلف نماذج الفتحات (الدائرية والحلقية)، ومستويات الضجيج، وعدد المرات (Looks - $L$).
• المتانة: على عكس الطرق السابقة التي تصبح غير مستقرة عند مستويات الضجيج المنخفضة أو مع الفتحات المقيدة (حيث يفشل تقريب $A^HA \approx I$)، تظل PGD-MC مستقرة ودقيقة.
• الكفاءة: زمن التشغيل لكل تكرار في PGD-MC أقل من CPnP-EM، وتزداد هذه الميزة الحسابية مع زيادة دقة الصورة.
• أداء المسبقات: تستفيد الطريقة بفعالية من المسبقات المختلفة؛ وتحديداً، قدم Deep Decoder أعلى جودة بصرية وحفاظ على البنية.

5. الأهمية

يسد هذا العمل الفجوة بين الصرامة الإحصائية والجدوى الحسابية في التصوير المتماسك. من خلال توفير وسيلة لتنفيذ إعادة بناء "حقيقي" للاحتمال الأقصى للهولوغرافيا الرقمية عالية الدقة، فإنه يسمح للباحثين باستخدام نماذج فتحات دقيقة فيزيائياً دون التكلفة الباهظة التي كانت مرتبطة بها سابقاً. وهذا أمر مهم بشكل خاص للأنظمة البصرية العملية حيث تكون العوائق المركزية (الفتحات الحلقية) والفتحات المحدودة هي القاعدة وليست الاستثناء.