NVST高分辨率图像中太阳小尺度结构的精细放大

发布时间：2021-08-08 21:52

　　将基于深度学习的放大方法应用于天文图像的研究中,根据新真空太阳望远镜（NVST）图像中的结构特征,提出一种有效的天文图像放大方法。首先使用Binning技术对数据进行降采样处理,获得对应的低分辨率图像;其次通过改进的残差稠密网络充分提取和利用低分辨率图像多级特征,重建出高分辨率的太阳图像;最后通过残差分析、相关性分析及功率谱分析对太阳图像的重建误差进行定量评估。实验结果表明,相对传统插值法,所提方法能够对太阳图像中的小尺度结构进行精细放大,且在放大图像的同时有效提高图像的信噪比。 

【文章来源】：光学学报. 2020,40(09)北大核心EICSCD

【文章页数】：10 页

【部分图文】：

RMS曲线。

基于改进的残差密集连接网络,对NVST高分辨率图像中太阳小尺度结构进行精细放大。针对NVST图像高频信息较少、整体较模糊等问题,对残差密集连接网络构架进行调整,将网络中的密集跳接块(RDB)采用密集连接的方式相连。RDB的密集连接实现了RDB之间特征的重复使用,有利于前RDB的输出与当前RDB特征的融合,可以充分利用网络提取到的低分辨率图像的各级特征重建出高分辨率图像的细节信息。本网络模型主要包含3个部分,即浅层特征提取模块(SFEM)、残差密集跳接块(RDBS)、上采样(UPM)网络,网络结构如图2所示,其中ILR为输入的低分辨率图像,IHR为经过网络后输出的高分辨率图像。图2 所提网络的结构图

所提网络的结构图

【参考文献】：
期刊论文
[1]NVST高分辨窄带成像系统视场频漂的实测与分析[J]. 王良凯,徐稚,金振宇,陈宇超,许骏.  天文研究与技术. 2018(04)
[2]太阳自适应光学技术进展[J]. 饶长辉,朱磊,张兰强,饶学军,鲍华,孔林,郭友明,钟立波,马学安,李梅,王成,张小军,樊新龙,王晓云,凡木文,陈东红,冯忠毅.  光电工程. 2018(03)
[3]自适应光学图像事后重建技术研究进展[J]. 鲍华,饶长辉,田雨,钟立波,陈浩,龙潇.  光电工程. 2018(03)
[4]NVST的长期跟踪误差分析及改正[J]. 陈宇超,柳光乾.  天文研究与技术. 2016(02)
[5]NVST多通道成像观测系统的数据同步采集[J]. 李玉艳,陈宇超,杨磊,柳光乾.  天文研究与技术. 2015(03)



本文编号：3330742