当前位置:主页 > 科技论文 > 天文学论文 >

一种用于射电天文图像重建的自适应尺度算法

发布时间:2021-09-11 19:41
  为了解决在成像过程中反卷积点扩展函数所带来的模糊效应,提出一种新的图像重建算法.新算法利用高斯函数分解模型,能够有效解决基于Delta函数分解模型所引起的问题,并在重建延展源和致密源方面具备更好的效果.通过VLA模拟观测数据对算法进行测试,并与现有的2类图像重建算法进行比较,结果表明,新算法能够有效平衡现有的反卷积算法的计算复杂度和性能问题,能对图像进行更加精确建模,具有更好的图像重建性能. 

【文章来源】:吉首大学学报(自然科学版). 2020,41(04)

【文章页数】:6 页

【部分图文】:

一种用于射电天文图像重建的自适应尺度算法


基于自适应尺度重建算法重建图像的流程

测试图,射电源,自适应,图像


本数值模拟实验所处理的射电源M31图像原图及其点扩展函数图像和脏图如图2所示.从图2(a)可以看出,射电源M31是一个非常复杂的源,包含了大量子结构,能有效地测试各重建算法的性能.采集到的数据表明,射电源M31点扩展函数(图2(b))的最大负旁瓣是-0.068 7.从图2(b)可以看出,旁瓣结果复杂且分布很广.被点扩展函数模糊化之后的脏图为图2(c).测试图像原图的大小为512×512像素,为了使显示更加清晰便于比较,成图仅显示处理结果的中央256×256像素部分.

算法,自适应,尺度


在成图过程中所有算法均使用Robust加权函数.Robust加权函数能够有效抑制旁瓣水平,是一种常用的加权函数.H9gbom CLEAN算法使用的参数是:迭代次数30 000,循环增益0.1.多尺度CLEAN算法使用的参数是:迭代次数10 000,循环增益0.3,尺度分别为0,4,12,36,108像素.自适应尺度重建算法使用的参数是:迭代次数7 000,循环增益0.7.由于自适应尺度重建算法是基于自适应尺度的,所以不需要用户指定尺度.各算法的处理结果如图3所示.从图3(a)中可以看出,H9gbom CLEAN算法重建的模型图像由点组成,这是由于H9gbom CLEAN算法是基于Delta函数分解的,即图像被分解为Delta函数集合.Delta函数集合是通过找到残差图像中的最大绝对值点,然后乘以循环增益得到Delta函数的位置和系数.这种分解不能有效地表示延展结构,所以使用这类算法处理延展源时,残差图像中会残留“平台”式的相关结构,而且需要大量的分量来表示图像.从这个测试中可以看出,尽管H9gbom CLEAN算法使用了远大于其他两种基于尺度函数分解的算法的迭代次数,然而结果却是最差的.多尺度CLEAN算法使用了几个尺度函数来表示图像,较好地解决了基于Delta函数模型的算法不能有效表示图像的问题.从图3(b)也能看出,相对于H9gbom CLEAN算法,多尺度CLEAN算法重建的模型图像更加接近于真实图像,残差图像中所留下的相关结构也更小(图3(e)).然而基于多尺度函数模型分解的算法将图像强行分解到仅有的尺度当中,这需要更多的分量来表示图像.基于自适应尺度函数模型的算法能有效地解决这一问题,使用更少的分量来表示图像.从图3(c)中可以看出,相对于H9gbom CLEAN算法和多尺度CLEAN算法,笔者提出的自适应尺度重建算法模型图像更加接近于真实图像.残差图像(图3(f))也能有效证明这一结论.图3还表明,在这三种算法中,自适应尺度重建算法的残差相关结构是最少的,说明自适应尺度函数模型能够更好地表示图像.表1列出三种算法重建图像的RMSE和DR数值结果.

【参考文献】:
期刊论文
[1]差分CLEAN算法在编码板成像中的应用[J]. 贾振卿,霍卓玺,周建锋.  天文研究与技术. 2013(01)



本文编号:3393599

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/tianwen/3393599.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户8e001***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com