-
题名结合模糊分级与弱监督学习重建太阳斑点图
- 1
-
-
作者
邓林浩
李福海
蒋慕蓉
杨磊
谌俊毅
-
机构
云南大学信息学院
中国科学院云南天文台
-
出处
《计算机应用与软件》
北大核心
2025年第7期235-241,共7页
-
基金
国家自然科学基金项目(11773073)
云南省高校科技创新团队支持项目(IRTSTYN)。
-
文摘
针对云南天文台拍摄的模糊太阳斑点图像使用有监督深度学习算法容易严重过拟合、过分依赖清晰图像等问题,提出一种对模糊数据集进行梯度能量分级和对分级后的数据集进行弱监督重建的方法。该方法利用Scharr算子计算模糊图像的梯度能量,依据能量值对模糊图像进行分级,使得同等级图像的模糊分布基本相同;使用退化模型对分级后的无配对数据集进行模拟退化,再利用训练好的退化模型构建新的配对数据集;将新的配对数据集放入重建网络中进行逆退化学习,实现图像重建。实验结果表明,该方法不仅能防止模型严重过拟合,而且减少对参考图像的依赖,重建的图像能够满足太阳斑点图像高分辨率重建的要求。
-
关键词
梯度能量
弱监督
太阳斑点
图像重建
-
Keywords
Gradient energy
Weakly supervised
Solar speckle
Image reconstruction
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于结构重参数化的太阳斑点图像弱监督去模糊方法
被引量：1
- 2
-
-
作者
邓林浩
蒋慕蓉
杨磊
谌俊毅
金亚辉
-
机构
云南大学信息学院
中国科学院云南天文台
-
出处
《计算机应用研究》
CSCD
北大核心
2023年第4期1250-1255,共6页
-
基金
国家自然科学基金资助项目(11773073)
云南省高校科技创新团队支持项目(IRTSTYN)
云南大学研究生科研创新基金资助项目(2021Y273)。
-
文摘
针对云南天文台拍摄的模糊太阳斑点图像使用有监督学习模型进行重建时容易产生伪像、训练时间长、重建结果过分依赖参考图像等问题,提出一种基于结构重参数化与多分支模块相结合的弱监督去模糊方法重建太阳斑点图。首先,结合单尺度与多尺度网络设计去模糊模型,在模型中构造多分支模块提取不同尺度的特征,增强细节信息,减少伪像生成;其次,对每个分支结构进行重参数化,使得结构参数的重用贯穿整个特征提取过程,节省计算时间;之后,将去模糊模型分别嵌入退化学习与逆退化学习的弱监督训练中,先对模糊图像进行等级划分,利用退化模型分别学习不同等级的退化,构成对应等级的配对数据集,再使用去模糊模型对数据集进行逆退化,实现太阳斑点图的重建。实验结果表明,该方法与现有深度学习去模糊方法相比,模型训练效率更高,对参考图像的依赖较小,能够满足太阳斑点图像高分辨率重建要求。
-
关键词
弱监督
太阳斑点
去模糊
重参数化
轻量网络
-
Keywords
weakly supervised
solar speckle
deblurring
re-parameterization
lightweight network
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
