空间对象图像的非统一性纠正使用多尺度残余循环网络 (CycleMRSNet)
Chunfeng Jiang1,2, Zhengwei Li2, Yubo Wang1,2
1Changchun Institute of Optics, Fine Mechanics and Physics, Chinese Academy of Sciences, Changchun 130033, China.
Sensors (Basel, Switzerland)
|March 17, 2025
概括
循环MRSNet使用新的CycleGAN架构纠正非均的望远镜图像背景,具有多尺度的注意力. 这提高了图像质量,用于更好的太空物体跟踪和识别系统.
科学领域:
- 天文学 天文学
- 计算机视觉 计算机视觉
- 图像处理 图像处理
背景情况:
- 地上望远镜面临散光和微光,导致背景不均.
- 不均的背景会降低对目标追踪和识别精度的信号噪声比.
- 现有的方法很难有效地纠正这些图像工件.
研究的目的:
- 提出CycleMRSNet,一种用于纠正天文图像中不均背景的新型网络架构.
- 在CycleGAN框架内使用多尺度注意力机制来增强图像处理能力.
- 为了提高空间物体跟踪和识别系统的准确性和稳定性.
主要方法:
- 在CycleGAN框架的基础上开发了CycleMRSNet.
- 在发电机中集成了一个多级特征提取模块 (MSFEM).
- 在Resnet骨干中嵌入了高效的多尺度注意力剩余块 (EMA剩余块).
- 在小型数据集上训练模型,并在模拟和真实图像上进行测试.
主要成果:
- 在测试组中,CycleMRSNet实现了高性能指标:PSNR 32.7923,SSIM 0.9814和FID 1.9212.
- 该模型在背景校正方面显著优于现有方法.
- 证明了在高维特征图中对多尺度信息的更好关注.
结论:
- 循环MRSNet有效地纠正来自地面望远镜的图像中的不均背景.
- 拟议的架构增强了特征提取效率和对关键图像区域的关注.
- 该方法提高了天文成像系统的整体稳定性和准确性.
