基于相位差图像的深度学习波前传感方法研究
文献类型：学位论文
| 作者 | 刘冬明 |
| 答辩日期 | 2025 |
| 文献子类 | 博士 |
| 授予单位 | 中国科学院大学 |
| 授予地点 | 北京 |
| 导师 | 刘辉 |
| 关键词 | 波前传感 湍流像差 相位复原 深度学习 高分辨重建 |
| 学位专业 | 天文技术与方法 |
| 其他题名 | Research on deep learning wavefront sensing based phase diversity images |
| 英文摘要 | 1米新真空太阳望远镜（New Vacuum Solar Telescope, NVST）的成像质量受到大气湍流所引起的扰动效应严重限制。这种扰动导致折射率的空间变化，进而产生波前畸变，降低图像分辨率。相位差法是一种经典的图像复原技术，它通过估计波前来重建退化图像。尽管通过深度学习技术，能够显著提高相位差法波前传感的精度。现有的基于相位差法的深度学习波前传感方法仍存在对高阶像差复原不足的问题，并且难以应用于受湍流像差影响的图像，无法满足实际观测图像高分辨重建的需求。本论文通过对湍流像差的分析，基于1米新真空太阳望远镜的相位差通道光学系统参数建模。在退化图像的成像过程引入高阶像差的影响，基于深度学习技术，开展了基于相位差图像的深度学习波前传感方法研究。提出了一种针对点源相位差图像的端到端深度学习模型，该模型能够在湍流条件下将退化的点扩散函数恢复至接近衍射极限；针对面源相位差图像提出一种预处理方法，优化深度学习端到端模型的波前相位重建方式，显著提高了对高阶像差的复原能力和退化图像的重建质量；系统性研究了加入噪声影响的退化图像的深度学习波前传感方法，该方法可以从受湍流像差影响的退化图像复原部分波前并用于重建。取得的主要成果如下：第一：提出了一种基于点源退化图像的深度学习波前传感方法。基于成像理论，在残差网络的架构中加入通道注意力机制，使用区域相位重建的方式复原波前，解决了以往研究仅限于Zernike模式重建方式复原波前精度低的缺点，显著提高了波前传感精度，在大气相干长度7cm到13cm宽范围内，将退化的点扩散函数改善至接近衍射极限。第二：提出了一种基于面源退化图像的深度学习波前传感方法。在面源退化图像的波前传感过程中，由于观测目标的结构信息未知，其在波前传感过程中被视为一种扰动，并且湍流像差带来的非等晕影响，将面源图像作为深度学习端到端模型的输入，从中复原波前是非常困难的。现有方法在此背景下复原精度较低，且未能有效考虑非等晕影响。通过在退化图像上使用保护带技术并设计一套去除观测目标结构信息的预处理方法，减少了非等晕影响和观测目标的结构信息带来的扰动影响。通过区域相位重建方式复原波前，显著提高了基于面源退化图像的深度学习模型的波前传感精度和图像重建结果。第三：提出了适用于噪声情况下的面源退化图像的深度学习波前传感方法。噪声的引入导致无噪声时的深度学习模型输入特征发生破坏，进而影响波前传感的准确性。为解决这一问题，本文通过高斯加权和傅里叶变换对受噪声影响的输入特征进行处理，平滑部分噪声并构建适应噪声环境的输入特征。这一方法有效解决了噪声条件下从面源退化图像复原波前的问题，为实际观测数据的深度学习波前传感提供了重要的技术基础。 |
| 学科主题 | 天文学 |
| 语种 | 中文 |
| 页码 | 0 |
| 源URL | [http://ir.ynao.ac.cn/handle/114a53/28983]  |
| 专题 | 天文技术实验室 |
| 作者单位 | 中国科学院云南天文台 |
| 推荐引用方式 GB/T 7714 | 刘冬明. 基于相位差图像的深度学习波前传感方法研究[D]. 北京. 中国科学院大学. 2025. |
入库方式： OAI收割
来源：云南天文台
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。