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