| 题名 | WARSHIP：用于天文图像超分辨率的卷积神经网络算法 |
| 作者 | 许文帝 |
| 答辩日期 | 2018 |
| 文献子类 | 硕士 |
| 授予单位 | 中国科学院大学 |
| 授予地点 | 北京 |
| 导师 | 张明 |
| 关键词 | 深度学习,天文成像,类脑计算 |
| 学位名称 | 理学硕士 |
| 其他题名 | WARSHIP: The convolutional neural network algorithms for Astronomical Image Super-Resolution |
| 学位专业 | 天体物理 |
| 英文摘要 | 不论是光学还是射电望远镜，都需要天文图像超分辨率（AISR）来打破物理仪器的硬件分辨率瓶颈，从而获得更高的角分辨率，进而取得天文学科乃至于物理学科上的科学发现。最近比较成功的用于AISR的算法，包括传统的统计方法l1+TV、基于机器学习的算法CHIRP和我们的WARSHIP-XZNets。在机器学习的子集深度学习的框架下，我们首次总结了用于机器视觉的5个重要理念，并用WARSHIP来表示，同时强调了它们源于脑科学的灵感。在WARSHIP，特别是其中的脑科学理念的指导下，我们设置了一系列模型/算法，叫做WARSHIP-XZNets，用于AISR，它们都被证明是比较成功的类脑计算的实现。我们的WARSHIP-XZNets在处理通用自然图片集 Set5（在深度学习社团中广泛使用的基准）时，从精度和速度两方面获得了一个很好的平衡，展示了在通用自然图片集上的优越适用性。当我们把特定的天文图片送给我们的算法去处理时，算法的表现也很好。在重建超大质量黑洞的吸积盘图片时，PSNR数值相当高，高达44.35！频率论探测上限在5-sigma时，对M31图像的致密特征的探测的置信区间是80\%。从而，我们证明了我们的WARSHIP-XZNets在AISR中的强鲁棒性。 |
| 语种 | 中文 |
| 页码 | 54 |
| 内容类型 | 学位论文 |
| 源URL | [http://ir.xao.ac.cn/handle/45760611-7/4147]  |
| 专题 | 研究生 |
| 作者单位 | 中国科学院新疆天文台 |
| 推荐引用方式 GB/T 7714 | 许文帝. WARSHIP：用于天文图像超分辨率的卷积神经网络算法[D]. 北京. 中国科学院大学. 2018. |
| 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