基于自监督深度学习的NVST图像去噪 | |
陆县委2; 刘辉1; 尚振宏2,3 | |
刊名 | 激光与光电子学进展/Laser & Optoelectronics Progress |
2021-03 | |
卷号 | 58期号:6页码:252-263 |
关键词 | 图像处理 图像去噪 新型真空太阳望远镜图像 自监督学习 相关性分析 功率谱分析 |
ISSN号 | 1006-4125 |
DOI | 10.3788/LOP202158.0610018 |
其他题名 | NVST Image Denoising Based on Self-Supervised Deep Learning |
产权排序 | 第2完成单位 |
英文摘要 | 新型真空太阳望远镜(NVST)作为研究太阳物理最主要的光学太阳望远镜之一,在采集图像数据过程中会遭受各种噪声干扰,影响对观测数据的研究。一些基于标准监督深度学习的方法在图像去噪领域取得显著成果,但对于干净数据难以获取的天文图像领域该类方法变得不适用。针对此问题,本文将基于自监督深度学习的图像去噪方法应用于NVST图像去噪。为定量评价网络模型性能,首先对经过重建的数据添加仿真噪声;其次将含噪数据通过噪声水平估计网络对噪声水平进行估计;接着利用自监督卷积盲点网络对图像特征进行学习,同时使用贝叶斯推理对图像进行恢复;最后通过峰值信噪比和结构相似度评价指标、相关性分析和功率谱分析对实验结果进行定量分析。实验结果表明,不论对于仿真噪声数据还是实际观测数据,相较于实验中其他图像去噪方法,本文方法能有效降低噪声对NVST图像的干扰,提高图像信噪比。同时也为干净图像数据难以获取的其他工程领域提供解决思路。 |
学科主题 | 天文学 ; 天文学其他学科 ; 计算机科学技术 ; 计算机软件 ; 计算机应用 |
分类号 | P182.4+1 |
资助项目 | 国家自然科学基金[12063002] ; 国家自然科学基金[11873027] ; 国家自然科学基金[61462052] |
语种 | 中文 |
CSCD记录号 | CSCD:6953027 |
资助机构 | 国家自然科学基金[12063002, 11873027, 61462052] |
内容类型 | 期刊论文 |
版本 | 出版稿 |
源URL | [http://ir.ynao.ac.cn/handle/114a53/24424] |
专题 | 云南天文台_抚仙湖太阳观测站 |
作者单位 | 1.中国科学院云南天文台; 2.昆明理工大学信息工程与自动化学院; 3.昆明理工大学云南省人工智能重点实验室 |
推荐引用方式 GB/T 7714 | 陆县委,刘辉,尚振宏. 基于自监督深度学习的NVST图像去噪[J]. 激光与光电子学进展/Laser & Optoelectronics Progress,2021,58(6):252-263. |
APA | 陆县委,刘辉,&尚振宏.(2021).基于自监督深度学习的NVST图像去噪.激光与光电子学进展/Laser & Optoelectronics Progress,58(6),252-263. |
MLA | 陆县委,et al."基于自监督深度学习的NVST图像去噪".激光与光电子学进展/Laser & Optoelectronics Progress 58.6(2021):252-263. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论