期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于望远系统的光学-神经网络联合优化超分辨成像方法
1
作者 孙友红 张涛 +2 位作者 刘嘉楠 刘建华 王超 《仪器仪表学报》 CSCD 北大核心 2024年第12期12-23,共12页
光学望远镜是获取远距离物体光学信息的重要工具,在天文观测、遥感和光学监视领域具有广泛的应用。分辨率是衡量望远镜观测物体细节能力的重要指标,传统提高望远镜分辨率的方法是建造更大口径的望远镜,这导致建造和维护成本大幅增加。... 光学望远镜是获取远距离物体光学信息的重要工具,在天文观测、遥感和光学监视领域具有广泛的应用。分辨率是衡量望远镜观测物体细节能力的重要指标,传统提高望远镜分辨率的方法是建造更大口径的望远镜,这导致建造和维护成本大幅增加。本文提出一种光学-神经网络联合优化方法,通过将望远系统的点扩散函数等效为一个单核卷积层,集成到图像超分辨重建网络前端进行联合训练,并在光路引入相位掩模重构训练得到的点扩散函数,从而实现两者协同优化,有效提高了观测图像的分辨率。本文还构建一种高性能的生成对抗网络,其训练参数小于现有几种无监督网络,重建速度远高于现有几种无监督网络。此网络采用双鉴别器架构提高了网络提取细节特征的能力,设计的级联残差块充分利用了各级提取的特征信息,扩展了信息的传播路径,提高了重建效率。仿真结果表明,本文与单纯的深度学习方法相比,联合优化方法重建的超分辨率图像PSNR和SSIM在仿真数据集中分别提高了3.98和0.06,图像细节丰富,容易分辨。验证实验表明,本文的联合优化方法重建的条纹图像对比度最高,更容易分辨。 展开更多
关键词 超分辨成像 联合优化 望远系统 无监督网络
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部