相关实验视频
Updated: Jun 7, 2025
10:35
Bringing the Visible Universe into Focus with Robo-AO
Published on: February 12, 2013
19.4K
基于深度学习的天文图像中抑制流浪光的模型
Mo Chen1, Yan Zhao2, Wenbo Yang3
1College of Communication Engineering, Jilin University, Nanhu Road No.5372, Changchun, 130012, Jilin, China.
Scientific reports
|November 11, 2024
概括
一个新的深度学习模型,金字塔可变形大核注意力 (PD-LKA) 模型,有效地抑制天文图像中的流浪光. 这提高了观测质量,并提高了广场小孔径望远镜 (WFSAT) 的对象定位精度.
科学领域:
- 天文学 天文学
- 深度学习 (Deep Learning) 是一种深度学习.
- 图像处理 图像处理
背景情况:
- 广场小孔径望远镜 (WFSAT) 对于太空物体的监视至关重要,因为它们的视野很广.
- 来自月光和云等来源的散光显著降低了WFSAT图像质量,并可能损害物体定位.
研究的目的:
- 开发一种深度学习模型,以有效地抑制天文图像中的散光.
- 为了提高WFSAT在偏光条件下的观测的稳定性和准确性.
主要方法:
- 提出了金字塔可变形大核注意力 (PD-LKA) 模型,结合了用于多尺度特征捕获的金字塔结构和用于精确干扰定位的可变形大核注意力 (D-LKA).
- 使用模拟的天文图像对训练模型,并在现实世界图像序列上验证其性能.
主要成果:
- 在模拟数据上实现了高性能指标,峰值信号噪声比 (PSNR) 为32.540和结构相似度指数 (SSIM) 为0.938.
- 证明了对象定位准确度的改进,比5秒更好,对真正的漫游光线受影响的图像序列.
结论:
- PD-LKA模型成功地抑制了散光,同时保留了基本的图像特征,如灰色值,形状和位置信息.
- 该模型提高了WFSAT所做的天文观测的可靠性和准确性,即使存在显著的散光干扰.
