结合门控融合网络和残差傅里叶变换重建太阳斑点图 | |
黄亚群2; 郑培煜2; 蒋慕蓉2; 杨磊1; 罗俊2 | |
刊名 | 计算机科学/Computer Science |
2023-11 | |
卷号 | 50期号:S2页码:278-284 |
关键词 | 太阳斑点图重建 门控融合网络 残差傅里叶变换 双注意力机制 |
ISSN号 | 1002-137X |
DOI | 10.11896/jsjkx.220800229 |
其他题名 | Reconstruction of Solar Speckle Image Combined with Gated Fusion Network and Residual Fourier Transform |
产权排序 | 第2完成单位 |
英文摘要 | 使用现有深度学习算法重建云南天文台拍摄的高度模糊太阳斑点图像时,出现高频信息丢失、边缘模糊、重建难度大等问题。对此,提出一种结合门控融合网络与残差傅里叶变换的太阳斑点图重建算法,其中门控融合网络由一个生成器和两个鉴别器组成,生成器包含去模糊模块、高维特征提取模块、门控模块和重建模块。去模糊模块采用基于双注意力机制的U形网络框架,获取低分辨率图像去模糊后的特征;高维特征提取模块使用残差傅里叶变换的卷积块,提取包含图像空间细节的高维特征;门控模块将上述两个特征进行融合,得到权重图,与去模糊后的特征进行加权后,再与高维特征融合,得到融合特征;重建模块采用残差傅里叶变换的卷积块和像素混洗层,将门控模块得到的融合特征图进行重建,得到高分辨率图像。利用两个鉴别器分别鉴别去模糊模块产生的去模糊图像和重建模块产生的高分辨率图像的真实性。最后,设计包含像素内容损失、感知损失和对抗损失的组合训练损失函数,指导模型训练。实验结果显示,所提方法与现有深度学习重建方法相比,高频信息的恢复能力更强,边缘轮廓更清晰,结构相似性和峰值信噪比指标更高。 |
学科主题 | 天文学 |
分类号 | TP391.41 |
URL标识 | 查看原文 |
资助项目 | 国家自然科学基金[11773073]; 云南省高校科技创新团队支持项目[IRTSTYN]; 云南大学专业学位研究生教学案例库建设项目[2022XJALK02] |
语种 | 中文 |
资助机构 | 国家自然科学基金[11773073] ; 云南省高校科技创新团队支持项目[IRTSTYN] ; 云南大学专业学位研究生教学案例库建设项目[2022XJALK02] |
内容类型 | 期刊论文 |
版本 | 出版稿 |
源URL | [http://ir.ynao.ac.cn/handle/114a53/26500] |
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.云南大学信息学院; |
推荐引用方式 GB/T 7714 | 黄亚群,郑培煜,蒋慕蓉,等. 结合门控融合网络和残差傅里叶变换重建太阳斑点图[J]. 计算机科学/Computer Science,2023,50(S2):278-284. |
APA | 黄亚群,郑培煜,蒋慕蓉,杨磊,&罗俊.(2023).结合门控融合网络和残差傅里叶变换重建太阳斑点图.计算机科学/Computer Science,50(S2),278-284. |
MLA | 黄亚群,et al."结合门控融合网络和残差傅里叶变换重建太阳斑点图".计算机科学/Computer Science 50.S2(2023):278-284. |
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