DeepInverse 30成像前向算子完整清单模糊、MRI、CT、压缩感知一网打尽【免费下载链接】deepinvDeepInverse: a PyTorch library for solving imaging inverse problems using deep learning项目地址: https://gitcode.com/gh_mirrors/de/deepinvDeepInverseDeepInverse 库是一个基于 PyTorch 的成像逆问题深度学习库核心价值在于内置了 30 余种标准化成像前向算子forward operator从模糊、降采样到 MRI、CT 断层重建、压缩感知全部统一为y A(x)的接口形式。本文带你速览这份成像前向算子完整清单并教你快速上手选型。为什么需要一份成像前向算子清单 做深度学习重建时第一步永远是定义测量是怎么来的。不同成像设备对应不同的前向物理模型模糊成像相机抖动、运动模糊、空间变模糊加速 MRIk 空间欠采样、多通道接收CT 断层Radon 变换投影平行束 / 扇束压缩感知随机线性测量DeepInverse 把这些物理模型都封装在deepinv/physics/模块中每个算子自带A前向、A_adjoint伴随、A_dagger伪逆三个接口可直接接入 PnP、RED、DPIR 等重建算法和训练器。所有算子从deepinv/physics/__init__.py统一导出一行from deepinv.physics import ...即可使用。30 成像前向算子完整清单1️⃣ 模糊与采样类deepinv/physics/blur.py算子说明适用场景Blur空间不变模糊卷积去模糊重建BlurFFT傅里叶域模糊支持奇异值分解加速大规模去模糊SpaceVaryingBlur空间变模糊显微成像失焦TiledSpaceVaryingBlur分块空间变模糊大尺寸图像Downsampling降采样随机/固定超分辨率Upsampling上采样下采样重建DownsamplingMatlab兼容 MATLAB imresize 语义复现文献实验2️⃣ 加速 MRI 类deepinv/physics/mri.py算子说明适用场景MRI单线圈 2D/3D 加速 MRI傅里叶变换 mask标准 k 空间欠采样MultiCoilMRI多线圈 MRI含灵敏度图高加速 MRIDynamicMRI动态/动态 MRI时间序列SequentialMRI顺序采集 MRI实时成像配套随机 mask 生成器位于deepinv/physics/generator/mri.py包括RandomMaskGenerator笛卡尔欠采样、GaussianMaskGenerator、EquispacedMaskGenerator等并可直接对接 FastMRI 数据集。3️⃣ CT 断层重建类deepinv/physics/tomography.py算子说明适用场景Tomography2D Radon 变换平行束/扇束伪逆用滤波反投影FBP低剂量 CT 重建TomographyWithAstra基于 astra-toolbox 后端支持 2D/3D 复杂几何工业 CT4️⃣ 压缩感知类deepinv/physics/compressed_sensing.py算子说明适用场景CompressedSensing随机 i.i.d. 高斯测量矩阵支持复数经典 CS 成像StructuredRandom结构化随机算子O(mn) → 可处理大图大尺寸压缩感知5️⃣ 图像修复与医学成像算子来源文件说明Inpaintingdeepinv/physics/inpainting.py掩膜修复缺失像素Demosaicingdeepinv/physics/inpainting.py去马赛克相机拜尔阵PETdeepinv/physics/pet.py正电子发射断层含衰减/本底支持 2D/3DDenoisingdeepinv/physics/forward.py纯噪声前向无测量退化Decolorizedeepinv/physics/range.pyRGB → 灰度降维6️⃣ 新型光学与测量成像 ️算子说明SinglePhotonLidar单光子飞行时间激光雷达deepinv/physics/lidar.pySinglePixelCamera单像素压缩成像相机deepinv/physics/singlepixel.pyCompressiveSpectralImaging压缩光谱成像 CASSIdeepinv/physics/cassi.pyPansharpen遥感全色锐化deepinv/physics/remote_sensing.pyRadioInterferometry射电望远镜干涉成像deepinv/physics/radio.pyHaze大气散射雾霾退化deepinv/physics/haze.pySpatialUnwrapping空间相位解缠绕deepinv/physics/spatial_unwrapping.py7️⃣ 光学相位与散射类deepinv/physics/phase_retrieval.py 等算子说明PhaseRetrieval相位恢复基类|Bx|²非线性RandomPhaseRetrieval/StructuredRandomPhaseRetrieval随机/结构化随机相位恢复Ptychographyptychography绕射照明显微镜Scattering/BornOperator光学散射Born 近似deepinv/physics/scattering.pyHyperSpectralUnmixing高光谱解混deepinv/physics/unmixing.py8️⃣ 噪声模型全家福deepinv/physics/noise.py前向算子还可以叠加 11 种噪声模型让测量更贴近真实设备GaussianNoise、PoissonNoise、PoissonGaussianNoise、GammaNoise、LogPoissonNoise、SaltPepperNoise、RicianNoiseMRI 特有需要、FisherTippettNoise、LaplaceNoise、UniformNoise、UniformGaussianNoise。新手如何为问题选型按成像设备选MRI →MRI/MultiCoilMRICT →Tomography显微去模糊 →Blur或SpaceVaryingBlur超分 →Downsampling。按问题类型选图像有缺失像素→Inpainting修复/Demosaicing马赛克测量数少于图像尺寸→CompressedSensing或更高效的StructuredRandom只测到幅值没有相位→PhaseRetrieval系列3D 体积数据→MRI(three_dTrue)、PET、TomographyWithAstra 小提示图像大于 32×32 时官方文档建议用StructuredRandom替代CompressedSensing避免 O(mn) 的矩阵开销。组合技巧Stacked 与 Composed Physics真实场景常常退化 噪声同时出现。DeepInverse 在deepinv/physics/forward.py中提供了组合工具StackedPhysics/physics.stack并行叠加多个算子例如Tomography PoissonNoise得到投影 泊松噪声的完整测量模型ComposedPhysics/physics.compose串行级联例如先模糊再降采样多尺度包装器deepinv/physics/wrappers.pyto_multiscale、BlurMultiScaler、InpaintingMultiScaler、PhysicsCropper一行代码生成金字塔多尺度模型配合多尺度 PnP 使用此外deepinv/physics/generator/还内置了随机参数生成器GaussianBlurGenerator、MotionBlurGenerator、DiffractionBlurGenerator等训练时可实现盲反问题的随机物理场景。快速上手3 行代码调用成像前向算子以 CT 断层为例import torch from deepinv.physics import Tomography physics Tomography(angles64, img_width64) # 64 个投影角度 x torch.randn(1, 1, 64, 64) # 随机图像 y physics(x) # 前向测量 x0 physics.A_dagger(y) # 滤波反投影初值每个算子都实现A前向、A_adjoint伴随、A_dagger伪逆因此可以直接插入deepinv.optim的 PnP/DPIR 迭代器或deepinv.training.Trainer训练流程。更多算子用法可参考examples/physics/下的示例脚本如demo_physics_tour.py、demo_mri_tour.py、demo_pet2d.py。源码与文档导航 路径内容deepinv/physics/__init__.py所有前向算子的统一导出入口deepinv/physics/forward.pyPhysics基类、StackedPhysics、ComposedPhysicsdeepinv/physics/blur.py模糊与采样类算子deepinv/physics/mri.pyMRI 系列算子deepinv/physics/tomography.pyCT / Radon 变换算子deepinv/physics/noise.py11 种噪声模型deepinv/physics/generator/随机参数生成器PSF、mask、分裂掩膜等deepinv/physics/wrappers.py多尺度与裁剪包装器官方 API 文档见docs/source/api/deepinv.physics.rst用户指南见docs/source/user_guide/physics/physics.rst配合examples/physics/目录的 20 个可运行示例从模糊、MRI 到单光子雷达总有一个前向算子对应你的逆问题。总结DeepInverse 的成像前向算子库覆盖了模糊、降采样、MRI、CT、压缩感知、PET、相位恢复、单光子成像、遥感等 8 大类别 30 种算子配合 11 种噪声模型和组合/多尺度工具一套统一接口即可描述绝大多数成像逆问题。无论你的研究是加速 MRI 重建、低剂量 CT还是新型光学成像这份清单都能帮你快速找到对应的前向物理模型直接进入测量 → 重建 → 训练的深度学习工作流。【免费下载链接】deepinvDeepInverse: a PyTorch library for solving imaging inverse problems using deep learning项目地址: https://gitcode.com/gh_mirrors/de/deepinv创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 DeepInverse 30+成像前向算子完整清单：模糊、MRI、CT、压缩感知一网打尽
DeepInverse 30成像前向算子完整清单模糊、MRI、CT、压缩感知一网打尽【免费下载链接】deepinvDeepInverse: a PyTorch library for solving imaging inverse problems using deep learning项目地址: https://gitcode.com/gh_mirrors/de/deepinvDeepInverseDeepInverse 库是一个基于 PyTorch 的成像逆问题深度学习库核心价值在于内置了 30 余种标准化成像前向算子forward operator从模糊、降采样到 MRI、CT 断层重建、压缩感知全部统一为y A(x)的接口形式。本文带你速览这份成像前向算子完整清单并教你快速上手选型。为什么需要一份成像前向算子清单 做深度学习重建时第一步永远是定义测量是怎么来的。不同成像设备对应不同的前向物理模型模糊成像相机抖动、运动模糊、空间变模糊加速 MRIk 空间欠采样、多通道接收CT 断层Radon 变换投影平行束 / 扇束压缩感知随机线性测量DeepInverse 把这些物理模型都封装在deepinv/physics/模块中每个算子自带A前向、A_adjoint伴随、A_dagger伪逆三个接口可直接接入 PnP、RED、DPIR 等重建算法和训练器。所有算子从deepinv/physics/__init__.py统一导出一行from deepinv.physics import ...即可使用。30 成像前向算子完整清单1️⃣ 模糊与采样类deepinv/physics/blur.py算子说明适用场景Blur空间不变模糊卷积去模糊重建BlurFFT傅里叶域模糊支持奇异值分解加速大规模去模糊SpaceVaryingBlur空间变模糊显微成像失焦TiledSpaceVaryingBlur分块空间变模糊大尺寸图像Downsampling降采样随机/固定超分辨率Upsampling上采样下采样重建DownsamplingMatlab兼容 MATLAB imresize 语义复现文献实验2️⃣ 加速 MRI 类deepinv/physics/mri.py算子说明适用场景MRI单线圈 2D/3D 加速 MRI傅里叶变换 mask标准 k 空间欠采样MultiCoilMRI多线圈 MRI含灵敏度图高加速 MRIDynamicMRI动态/动态 MRI时间序列SequentialMRI顺序采集 MRI实时成像配套随机 mask 生成器位于deepinv/physics/generator/mri.py包括RandomMaskGenerator笛卡尔欠采样、GaussianMaskGenerator、EquispacedMaskGenerator等并可直接对接 FastMRI 数据集。3️⃣ CT 断层重建类deepinv/physics/tomography.py算子说明适用场景Tomography2D Radon 变换平行束/扇束伪逆用滤波反投影FBP低剂量 CT 重建TomographyWithAstra基于 astra-toolbox 后端支持 2D/3D 复杂几何工业 CT4️⃣ 压缩感知类deepinv/physics/compressed_sensing.py算子说明适用场景CompressedSensing随机 i.i.d. 高斯测量矩阵支持复数经典 CS 成像StructuredRandom结构化随机算子O(mn) → 可处理大图大尺寸压缩感知5️⃣ 图像修复与医学成像算子来源文件说明Inpaintingdeepinv/physics/inpainting.py掩膜修复缺失像素Demosaicingdeepinv/physics/inpainting.py去马赛克相机拜尔阵PETdeepinv/physics/pet.py正电子发射断层含衰减/本底支持 2D/3DDenoisingdeepinv/physics/forward.py纯噪声前向无测量退化Decolorizedeepinv/physics/range.pyRGB → 灰度降维6️⃣ 新型光学与测量成像 ️算子说明SinglePhotonLidar单光子飞行时间激光雷达deepinv/physics/lidar.pySinglePixelCamera单像素压缩成像相机deepinv/physics/singlepixel.pyCompressiveSpectralImaging压缩光谱成像 CASSIdeepinv/physics/cassi.pyPansharpen遥感全色锐化deepinv/physics/remote_sensing.pyRadioInterferometry射电望远镜干涉成像deepinv/physics/radio.pyHaze大气散射雾霾退化deepinv/physics/haze.pySpatialUnwrapping空间相位解缠绕deepinv/physics/spatial_unwrapping.py7️⃣ 光学相位与散射类deepinv/physics/phase_retrieval.py 等算子说明PhaseRetrieval相位恢复基类|Bx|²非线性RandomPhaseRetrieval/StructuredRandomPhaseRetrieval随机/结构化随机相位恢复Ptychographyptychography绕射照明显微镜Scattering/BornOperator光学散射Born 近似deepinv/physics/scattering.pyHyperSpectralUnmixing高光谱解混deepinv/physics/unmixing.py8️⃣ 噪声模型全家福deepinv/physics/noise.py前向算子还可以叠加 11 种噪声模型让测量更贴近真实设备GaussianNoise、PoissonNoise、PoissonGaussianNoise、GammaNoise、LogPoissonNoise、SaltPepperNoise、RicianNoiseMRI 特有需要、FisherTippettNoise、LaplaceNoise、UniformNoise、UniformGaussianNoise。新手如何为问题选型按成像设备选MRI →MRI/MultiCoilMRICT →Tomography显微去模糊 →Blur或SpaceVaryingBlur超分 →Downsampling。按问题类型选图像有缺失像素→Inpainting修复/Demosaicing马赛克测量数少于图像尺寸→CompressedSensing或更高效的StructuredRandom只测到幅值没有相位→PhaseRetrieval系列3D 体积数据→MRI(three_dTrue)、PET、TomographyWithAstra 小提示图像大于 32×32 时官方文档建议用StructuredRandom替代CompressedSensing避免 O(mn) 的矩阵开销。组合技巧Stacked 与 Composed Physics真实场景常常退化 噪声同时出现。DeepInverse 在deepinv/physics/forward.py中提供了组合工具StackedPhysics/physics.stack并行叠加多个算子例如Tomography PoissonNoise得到投影 泊松噪声的完整测量模型ComposedPhysics/physics.compose串行级联例如先模糊再降采样多尺度包装器deepinv/physics/wrappers.pyto_multiscale、BlurMultiScaler、InpaintingMultiScaler、PhysicsCropper一行代码生成金字塔多尺度模型配合多尺度 PnP 使用此外deepinv/physics/generator/还内置了随机参数生成器GaussianBlurGenerator、MotionBlurGenerator、DiffractionBlurGenerator等训练时可实现盲反问题的随机物理场景。快速上手3 行代码调用成像前向算子以 CT 断层为例import torch from deepinv.physics import Tomography physics Tomography(angles64, img_width64) # 64 个投影角度 x torch.randn(1, 1, 64, 64) # 随机图像 y physics(x) # 前向测量 x0 physics.A_dagger(y) # 滤波反投影初值每个算子都实现A前向、A_adjoint伴随、A_dagger伪逆因此可以直接插入deepinv.optim的 PnP/DPIR 迭代器或deepinv.training.Trainer训练流程。更多算子用法可参考examples/physics/下的示例脚本如demo_physics_tour.py、demo_mri_tour.py、demo_pet2d.py。源码与文档导航 路径内容deepinv/physics/__init__.py所有前向算子的统一导出入口deepinv/physics/forward.pyPhysics基类、StackedPhysics、ComposedPhysicsdeepinv/physics/blur.py模糊与采样类算子deepinv/physics/mri.pyMRI 系列算子deepinv/physics/tomography.pyCT / Radon 变换算子deepinv/physics/noise.py11 种噪声模型deepinv/physics/generator/随机参数生成器PSF、mask、分裂掩膜等deepinv/physics/wrappers.py多尺度与裁剪包装器官方 API 文档见docs/source/api/deepinv.physics.rst用户指南见docs/source/user_guide/physics/physics.rst配合examples/physics/目录的 20 个可运行示例从模糊、MRI 到单光子雷达总有一个前向算子对应你的逆问题。总结DeepInverse 的成像前向算子库覆盖了模糊、降采样、MRI、CT、压缩感知、PET、相位恢复、单光子成像、遥感等 8 大类别 30 种算子配合 11 种噪声模型和组合/多尺度工具一套统一接口即可描述绝大多数成像逆问题。无论你的研究是加速 MRI 重建、低剂量 CT还是新型光学成像这份清单都能帮你快速找到对应的前向物理模型直接进入测量 → 重建 → 训练的深度学习工作流。【免费下载链接】deepinvDeepInverse: a PyTorch library for solving imaging inverse problems using deep learning项目地址: https://gitcode.com/gh_mirrors/de/deepinv创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考