一种基于深度学习的射电图像复原方法分析.pdfVIP

创新应用Applications

一种基于深度学习的射电图像复原方法

分析

汪冠骅，王合彬，朱益辉，赵寒琼，谭江龙，张利

（贵州大学大数据与信息工程学院，贵州550025）

摘要：阐述射电干涉测量中的稀疏阵列观测图像通常有复杂的合成波束效应，传统方法重建图像会有明

显的伪影。为此，提出一种基于深度学习的方法ETSF来进行射电图像还原，该方法基于Stripformer，并

引入ECA模块和TFEB模块，运用于消除稀疏阵列观测所产生的高旁瓣的合成波束效应。采用CASA工具

模拟望远镜阵列观测真实源得到数据集。相较于传统算法，此模型在图像复原效果上得到有效提升，表

现为PSNR和SSIM两大图像质量评价指标均提高了5%以上。与原始模型相比，此模型在SSIM值上平均

进步了1%，而在PSNR指标上则平均提升了2.8db。

关键词：深度学习，合成波束，天文图像处理。

中图分类号：TP183，TP391.41文章编号：1674-2583(2024)11-090-02

DOI：10.19339/j.issn.1674-2583.2024.11.037

文献引用格式：汪冠骅，王合彬，朱益辉，赵寒琼，谭江龙，张利.一种基于深度学习的射电图像复原方

法分析[J].集成电路应用,2024,41(11):90-91.

AnalysisofaDe