文献

J-GLOBAL ID：202202223022681877   整理番号：22A0792829

深層注意生成敵対神経ネットワークに基づく天文学画像のブラインド復元【JST・京大機械翻訳】

Blind restoration of astronomical image based on deep attention generative adversarial neural network

著者 (4件)： Luo Lin (Southwest Jiaotong University, School of Physical Science and Technology, Chengdu, China) ,  Bao Jiaqi (Southwest Jiaotong University, School of Physical Science and Technology, Chengdu, China) ,  Li Jinlong (Southwest Jiaotong University, School of Physical Science and Technology, Chengdu, China) ,  Gao Xiaorong (Southwest Jiaotong University, School of Physical Science and Technology, Chengdu, China)
資料名： Optical Engineering  (Optical Engineering)
巻： 61  号： 1  ページ： 013101  発行年： 2022年 
JST資料番号： B0577B  ISSN： 0091-3286  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 要約。地上ベース望遠鏡により観測された天文ターゲットのイメージング品質は大気乱流に影響され,画像分解能は深刻に低減される。天文画像を復元し,画像データセットから直接ぼけ画像とグランドトルース画像間のエンドツーエンド画像法則を学習するために,深い注意生成敵対ネットワークを提案した。注意機構モジュールを設計して,ネットワークの性能を改善した。望遠鏡の大気イメージングの従来の理論に基づいて,光学系パラメータを結合して,一連の天文画像をシミュレートして,訓練ネットワークのためのデータセットを確立した。提案方法を,模擬試験画像と実際の天文画像によって検証する。実験結果は,提案方法が効果的に大気乱流の影響を除去して,天文画像の分解能を改善することができることを示した。天文画像の高分解能イメージングへの深層学習の将来応用に対する可能な良好な見通しを示した。Copyright 2021 Society of Photo-Optical Instrumentation Engineers Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： シミュレーション ,  *天文学 ,  望遠鏡 ,  *ネットワーク ,  光学系 ,  分解能 ,  画像処理 ,  エンドツーエンド方式 ,  深層 ,  大気乱流
準シソーラス用語： 画像データ ,  高精細画像 ,  画像解像度 ,  グランドトゥルース ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (3件)： 大気乱流 ,  天文学的イメージ ,  生成敵対ネットワーク

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (7件)： 深層 ,  注意 ,  敵対 ,  神経ネットワーク ,  天文学 ,  ブラインド ,  復元