基于Unet++GAN的天文图像混合退化复原

doi:10.3969/j.issn.1000⁃386x.2025.02.036

YNAO OpenIR > 大样本恒星演化研究组

	基于Unet++GAN的天文图像混合退化复原
其他题名	DEFOCUS DEGRADATION RESTORATION OF ASTRONOMICAL IMAGES BASED ON UNET ++ GENERATIVE ADVERSARIAL NETWORK
	张裕松 1; 黄鑫龙 1; 周浩 1; 戴智斌2 ; 袁国武 1
发表期刊	计算机应用与软件/Computer Applications and Software
	2025-02
卷号	42 期号:02 页码:264-269+360
DOI	10.3969/j.issn.1000⁃386x.2025.02.036
分类号	TP3 ; TP18
产权排序	第2完成单位
收录类别	核心
关键词	天文图像复原生成对抗网络 Unet++
摘要	天文观测常常会受到很多干扰，造成采集到的图像产生各种形式退化，其中较为常见且复杂的为离焦模糊及光电子噪声的混合退化，传统复原手段难以恢复出高质量图像。因而创新地提出利用Unet++改进生成对抗网络的方法，采用更精细的网络结构对图像细节进行准确提取，对比实验说明此方法恢复图像质量较高，并通过恢复真实拍摄的离焦图像，证明了方法具有一定的通用性。改进方法适合处理大数据量的天文图像，不仅如此，模型的泛化能力以及训练稳定性有明显提升。
其他摘要	Astronomical observations are often interfered, resulting in various types of degradation of the collected images, among which defocus blur and photoelectronic noise are common and complex. It is difficult to recover high quality images by traditional restoration methods. Therefore, the innovative method of using Unet + + to improve the generative adversarial network is proposed. The finer network structure was used to accurately extract the details of the image. Comparative experiments show that this method has higher quality of image restoration, and by restoring real defocus images, it proves that the method has a certain versatility. The improved method is suitable for processing astronomical images with large amount of data. Moreover, the generalization ability and training stability of the model are obviously improved.
资助项目	云南省应用基础研究计划项目[202001BB050032]
项目资助者	云南省应用基础研究计划项目[202001BB050032]
语种	中文
学科领域	天文学 ; 天文学其他学科 ; 计算机科学技术 ; 计算机应用 ; 计算机图象处理
ISSN	1000-386X
URL	查看原文
引用统计
文献类型	期刊论文
版本	出版稿
条目标识符	http://ir.ynao.ac.cn/handle/114a53/28187
专题	大样本恒星演化研究组
作者单位	1.云南大学信息学院; 2.中国科学院云南天文台
推荐引用方式 GB/T 7714	张裕松,黄鑫龙,周浩,等. 基于Unet++GAN的天文图像混合退化复原[J]. 计算机应用与软件/Computer Applications and Software,2025,42(02):264-269+360.
APA	张裕松,黄鑫龙,周浩,戴智斌,&袁国武.(2025).基于Unet++GAN的天文图像混合退化复原.计算机应用与软件/Computer Applications and Software,42(02),264-269+360.
MLA	张裕松,et al."基于Unet++GAN的天文图像混合退化复原".计算机应用与软件/Computer Applications and Software 42.02(2025):264-269+360.

条目包含的文件
文件名称/大小	文献类型	版本类型	开放类型	使用许可
基于Unet++GAN的天文图像混合退化（1671KB）	期刊论文	出版稿	开放获取	CC BY-NC-SA	浏览请求全文