计算机应用研究

作者：邓林浩,蒋慕蓉,杨磊,谌俊毅,金亚辉,

单位：1.云南大学信息学院,昆明650500；2.中国科学院云南天文台,昆明650216；

关键词：弱监督,太阳斑点,去模糊,重参数化,轻量网络,

基金：国家自然科学基金资助项目(11773073)；云南省高校科技创新团队支持项目(IRTSTYN)；云南大学研究生科研创新基金资助项目(2021Y273)；；

针对云南天文台拍摄的模糊太阳斑点图像使用有监督学习模型进行重建时容易产生伪像、训练时间长、重建结果过分依赖参考图像等问题，提出一种基于结构重参数化与多分支模块相结合的弱监督去模糊方法重建太阳斑点图。首先，结合单尺度与多尺度网络设计去模糊模型，在模型中构造多分支模块提取不同尺度的特征，增强细节信息，减少伪像生成；其次，对每个分支结构进行重参数化，使得结构参数的重用贯穿整个特征提取过程，节省计算时间；之后，将去模糊模型分别嵌入退化学习与逆退化学习的弱监督训练中，先对模糊图像进行等级划分，利用退化模型分别学习不同等级的退化，构成对应等级的配对数据集，再使用去模糊模型对数据集进行逆退化，实现太阳斑点图的重建。实验结果表明，该方法与现有深度学习去模糊方法相比，模型训练效率更高，对参考图像的依赖较小，能够满足太阳斑点图像高分辨率重建要求。

来源：2023年第4期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2023年第4期