基于深度学习的延展源图像重建方法分析.pdfVIP

创新应用Applications

基于深度学习的延展源图像重建方法

分析

赵寒琼，苏晓宇，项兆佳，徐振刚，汪冠骅，张利

（贵州大学大数据与信息工程学院，贵州550025）

摘要：阐述一个基于Stripformer改进的深度学习模型，用于提升延展源图像的重建质量。模型新增特征提

取、注意力机制和残差连接，由SKA低频阵列进行模拟，并用RMSE、PSNR和SSIM三个指标比较。结

果表明，模型在重建精确性上表现更好。

关键词：深度学习，图像重建，射电天文图像。

中图分类号：TP183，TP391.41文章编号：1674-2583(2024)11-0084-02

DOI：10.19339/j.issn.1674-2583.2024.11.034

文献引用格式：赵寒琼，苏晓宇，项兆佳，徐振刚，汪冠骅，张利.基于深度学习的延展源图像重建方法

分析[J].集成电路应用,2024,41(11):84-85.

AnalysisofExtendedSourceImageReconstruction

MethodBasedonDeepLearning

ZHAOHanqiong,SUXiaoyu,XIANGZhaojia,XUZhengang,WANGGuanhua,ZHANGLi

(Schoo