CN108510492A - 一种基于太阳色球幸运图像的多核并行实时重建方法 - Google Patents

一种基于太阳色球幸运图像的多核并行实时重建方法 Download PDF

Info

Publication number
CN108510492A
CN108510492A CN201810302028.9A CN201810302028A CN108510492A CN 108510492 A CN108510492 A CN 108510492A CN 201810302028 A CN201810302028 A CN 201810302028A CN 108510492 A CN108510492 A CN 108510492A
Authority
CN
China
Prior art keywords
image
fortune
spot
parallelization
frame
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201810302028.9A
Other languages
English (en)
Other versions
CN108510492B (zh
Inventor
杨磊
谌俊毅
覃瑛
李雪宝
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yunnan Astronomical Observatory of CAS
Original Assignee
Yunnan Astronomical Observatory of CAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Yunnan Astronomical Observatory of CAS filed Critical Yunnan Astronomical Observatory of CAS
Priority to CN201810302028.9A priority Critical patent/CN108510492B/zh
Publication of CN108510492A publication Critical patent/CN108510492A/zh
Application granted granted Critical
Publication of CN108510492B publication Critical patent/CN108510492B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/32—Determination of transform parameters for the alignment of images, i.e. image registration using correlation-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing
    • G06T2207/10036—Multispectral image; Hyperspectral image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30168—Image quality inspection
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Image Processing (AREA)
  • Telescopes (AREA)

Abstract

本发明公开了一种基于太阳色球幸运图像的多核并行实时重建方法，旨在提供一种高效的基于太阳色球幸运图像的多核并行实时重建方法。它包括以下步骤：步骤（1），幸运图像数据采集；步骤（2），平暗场的并行化预处理；步骤（3），并行化图像配准；步骤（4），基于短曝光斑点图统计特性的并行化幸运图像选取；步骤（5），基于斑点干涉术的幸运图像重建。本发明实现了对太阳色球的高时间和高空间分辨率观测，并应用并行化处理手段，有效地提高了数据重建速度和重建的时效性。

Description

一种基于太阳色球幸运图像的多核并行实时重建方法
技术领域
本发明涉及天文高时空分辨率图像处理技术领域，尤其是涉及一种基于太阳色球幸运图像的多核并行实时重建方法。
背景技术
对于地基太阳望远镜而言，大气湍流是造成图像质量下降的主要因素，然而在早1978年，Fried在相关的文献("Probability of getting a Lucky Short-Exposure Imagethrough Turbulence")中指出：光波经过湍流大气后，在空间分辨率上存在一定比例的、接近于望远镜衍射极限的短曝光像，由于这些图像所受到的由大气湍流引起的波前畸变是可以忽略的，因此被称为“幸运”图像(lucky images)。
随着幸运图像概念的普及，基于幸运成像技术(Lucky Imaging)的选帧图像处理方法被逐渐发展起来，其基本原理为：在观测目标无变化的时间段内，对其进行短曝光成像，在获得的足够多的短曝光成像样本中，按照像质评价标准将幸运图像(即具有高空间分辨率)挑选出来，最后通过配准、叠加的方式得到高空间分辨率和高信噪比的重建结果。作为图像处理手段，该方法具有以下特点：①该方法对成像系统无特殊要求，无需在采集端进行光路改造和增设其它特殊的采集设备；②从算法实现上来看，与天文上常用的高分辨图像重建方法如斑点掩模法(Speckle Masking)、相位差法(Phase Diversity)、多帧盲卷(Multi-Frame Blind Deconvolution)相比，该方法在重建过程中无迭代、递推流程，算法实现相对简单，重建耗时较短。
正是由于上述优势，基于幸运成像技术的选帧图像处理方法现已成为了夜天文地面望远镜实现高空间分辨率观测的一种可行性手段，但是对于太阳色球观测来说，却存在以下问题：
①对于具有短时标特性的太阳色球观测来说，短时标特性恰巧限制了短曝光斑点图样本统计数量，降低了幸运图像出现的概率，为此无法保证在观测目标的每一个演化阶段都能够获得受大气湍流影响可忽略，即具有高空间分辨率的幸运图像，往往通过选帧方法只能得到该统计样本中受大气湍流影响相对较小的图像，如果直接对其进行相关叠加，大气湍流导致的模糊效应依旧存在，甚至会被进一步放大，其重建效果并不理想；
②除短时标特性外，小尺度结构也是太阳色球观测目标所具有的一般特性，小尺度结构特性所带来问题在于：因大气湍流对像质造成的空间分辨率下降和图像畸变，使得小尺度爆发现象在视觉上被弱化，对于望远镜有限的视场来说，科研人员在无高时间和高空间分辨率图像的辅助下，很难在有限的视场内对目标的选定以及观测区域的确定做出正确的预判，为此高时空分辨率的重建时效性要求被进一步提高，实时或准实时的重建需求则成为了太阳色球小尺度、短时标观测所必须具备的；尽管基于幸运成像技术的选帧图像处理方法耗时相对较短，但要做到实时或准实时的重建需求，就目前常规选帧串行处理方式是无法满足的。
发明内容
本发明的目的旨在克服现有技术存在的不足，依据选帧+并行化手段，提供一种基于太阳色球幸运图像的多核并行实时重建方法，通过高时间和高空间分辨率的太阳色球斑点图实时重建，有效地解决了太阳色球观测对于重建效率及时效性问题。
为了解决上述技术问题，本发明是通过以下技术方案实现的：
一种基于太阳色球幸运图像的多核并行实时重建方法，其包括以下步骤：
步骤(1)，幸运图像数据采集：在观测目标无变化的时间段内，通过采用高帧频的探测器尽可能多的获取太阳色球观测目标的短曝光斑点图；
步骤(2)，平暗场的并行化预处理：根据步骤(1)的采集图幅数启动相应量的集群进程，依据平暗场处理公式对每一帧斑点图进行平暗场并行化预处理；
步骤(3)，并行化图像配准：根据观测目标结构从某一进程中挖取参考图像，并将其广播到其它进程，随后通过相关方式对相应进程的图像进行配准；
步骤(4)，基于短曝光斑点图统计特性的并行化幸运图像选取：在相关配准的基础上，通过叠加的方式计算出该序列的平均短曝光像，随后依据基于短曝光斑点图频谱统计特性作为选帧策略对该序列图像进行选帧；
步骤(5)，基于斑点干涉术的幸运图像重建：在上述步骤的基础上，根据等晕区大小对配准后的图像进行分块处理，将相同位置的子块收集到集群的不同进程中，随后各进程根据谱比法并行计算各子块所对应的视宁度r0值，最后依据所有子块的平均视宁度r0值及望远镜参数构建斑点干涉术传递函数(S I TF)，并利用该传递函数对步骤(4)得到的多帧幸运图像相关叠加结果进行模的修正，从而进一步提高重建结果的空间分辨率，完成图像重建工作。
优选的是，所述步骤(1)中探测器的帧频≥100帧/秒。
优选的是，所述步骤(4)的计算步骤为：通过公式(5)计算频谱比值，然后通过公式(6)-(8)计算出每一帧图像所对应的像质评价函数ImageQ值，最后按ImageQ值的大小对该序列图像进行像质排序；
ImagwO＝FSRabs*FSRangle 式(6)；
其中，FSR(u，v)为频谱比值；OTFt(u，v)为大气——望远镜综合光学传递函数；<OTFt(u，v)>为平均综合光学传递函数，abs(…)表示取模操作，angle(…)表示取相位操作，公式(7)是极坐标下的积分表示形式，ρ代表径向积分区域，ρ1代表积分频率环的内径，ρ2代表积分频率环的外径，径向积分区域可选取望远镜截止频域内的整个区域，也可选取与获取的短曝光斑点图的平均视宁度r0有关的局部区域，公式(8)中的||...||表示弗罗贝尼乌斯(Frobenius)范数或L2范数，其定义为
与现有技术相比，本发明具有如下优点：
①该方法在数据采集方面，除需要采用高帧频探测器(100帧/秒)外，对成像系统无特殊要求，无需在采集端进行光路改造和增设其它特殊的采集设备，实现相对简单；
②该方法采用基于短曝光斑点图频谱统计特性作为选帧策略，在有效地消除太阳色球面源目标信息对像质评价函数的影响的同时，综合考虑了频谱比值模和相位信息，给出了一个更为全面的像质评价结果，并且该选帧策略同样适用于其它观测目标，如点源、扩展面源等；
③该方法利用同一观测目标特性，采用选帧+斑点干涉术统计重建方法，有效地解决了在有限采样帧数内选帧重建方法的不稳定性，算法实现相对简单，整个重建过程中无迭代、递推流程，为并行化处理提供了可行性；
④该方法在算法实现方面，依据各子处理模块流程，采用MPI+OpenMP并行处理手段，建立了基于太阳色球幸运图像的多核并行实时重建方法，有效地缩短了重建时间，解决了太阳色球观测对重建时效性要求和历史观测数据处理积压问题，为太阳色球观测工作的顺利开展以及后续科研数据分析提供了坚实的“数据保障”。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1为本发明步骤(2)平暗场并行化预处理的流程图。
图2为本发明步骤(3)并行化图像配准的流程图。
图3为本发明步骤(4)并行化幸运图像选取的流程图。
图4为本发明步骤(5)基于斑点干涉术的幸运图像重建的流程图。
图5为常规采集方法获得图像与幸运图像的对比图。
图6为将幸运图像分别通过多帧幸运图像相关叠加及本发明重建后的结果对比图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
一种基于太阳色球幸运图像的多核并行实时重建方法，其包括以下步骤：
步骤(1)，幸运图像数据采集：在观测目标无变化的时间段内，通过采用高帧频的探测器(≥100帧/秒)尽可能多的获取太阳色球观测目标的短曝光斑点图(短曝光斑点图数量≥100)；
步骤(2)，平暗场的并行化预处理：根据步骤(1)的采集图幅数启动相应量的集群进程，依据平暗场处理公式对每一帧斑点图进行平暗场并行化预处理，其并行处理流程如图1所示；
步骤(3)，并行化图像配准：根据观测目标结构从某一进程中挖取参考图像，并将其广播到其它进程，随后通过相关方式对相应进程的图像进行配准，其并行处理流程如图2所示；
步骤(4)，基于短曝光斑点图统计特性的并行化幸运图像选取：在相关配准的基础上，通过叠加的方式计算出该序列的平均短曝光像，随后依据基于短曝光斑点图频谱统计特性作为选帧策略对该序列图像进行选帧，其并行处理流程如图3所示；
其具体步骤为：通过公式(5)计算频谱比值，然后通过公式(6)-(8)计算出每一帧图像所对应的像质评价函数ImageQ值，最后按ImageQ值的大小对该序列图像进行像质排序；
ImageQ＝FSRabs*FSRangle 式(6)；
其中，FSR(u，v)为频谱比值；OTFt(u，v)为大气——望远镜综合光学传递函数；<OTFt(u，v)>为平均综合光学传递函数，abs(…)表示取模操作，angle(…)表示取相位操作，公式(7)是极坐标下的积分表示形式，ρ代表径向积分区域，ρ1代表积分频率环的内径，ρ2代表积分频率环的外径，径向积分区域可选取望远镜截止频域内的整个区域，也可选取与获取的短曝光斑点图的平均视宁度r0有关的局部区域，公式(8)中的||...||表示弗罗贝尼乌斯(Frobenius)范数或L2范数，其定义为
步骤(5)，基于斑点干涉术的幸运图像重建：在上述步骤的基础上，根据等晕区大小对配准后的图像进行分块处理，将相同位置的子块收集到集群的不同进程中，随后各进程根据谱比法并行计算各子块所对应的视宁度r0值，最后依据所有子块的平均视宁度r0值及望远镜参数构建斑点干涉术传递函数(SITF)，并利用该传递函数对步骤(4)得到的多帧幸运图像相关叠加结果进行模的修正，从而进一步提高重建结果的空间分辨率，完成图像重建工作；其流程如图4所示。
本申请中所采用的并行处理具有更好的时效性，其与串行处理的时效性对比见下表：
本发明通过提高采集帧频来增大获得幸运图像出现的几率，同时也为后续图像重建提供一个更为接近真实的平均短曝光像统计结果；在选帧策略的制定方面：本发明将采用基于短曝光斑点图频谱统计特性作为选帧策略(具体内容参看具体实施方步骤(5))，该方法综合考虑了频谱比值的模和相位信息，可有效地消除太阳色球面源目标信息对像质评价函数的影响，给出了一个更为全面的像质评价结果，适用于太阳色球面源目标选帧处理。
图6为将幸运图像分别通过多帧幸运图像相关叠加及本发明重建后的结果对比图。由图可知本发明所获得的图像分辨率更高，图像更清晰。
本发明通过采用选帧+斑点干涉术图像重建技术，实现了对太阳色球的高时间和高空间分辨率观测，并应用并行化处理手段，有效地提高了数据重建速度和重建时效性，为小尺度、短时标太阳色球观测提供了实时或准实时的高分辨图像重建结果，解决了太阳色球观测中，对于小尺度短时标观测目标的确定以及观测区域的选取困难；同时本发明的研究成果也将为下一代大型太阳望远镜的高分辨观测模式的制定以及数据处理提供参考及关键技术保障。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.一种基于太阳色球幸运图像的多核并行实时重建方法，其特征在于包括以下步骤：
步骤(1)，幸运图像数据采集：在观测目标无变化的时间段内，通过采用高帧频的探测器尽可能多的获取太阳色球观测目标的短曝光斑点图；
步骤(2)，平暗场的并行化预处理：根据步骤(1)的采集图幅数启动相应量的集群进程，依据平暗场处理公式对每一帧斑点图进行平暗场并行化预处理；
步骤(3)，并行化图像配准：根据观测目标结构从某一进程中挖取参考图像，并将其广播到其它进程，随后通过相关方式对相应进程的图像进行配准；
步骤(4)，基于短曝光斑点图统计特性的并行化幸运图像选取：在相关配准的基础上，通过叠加的方式计算出该序列的平均短曝光像，随后依据基于短曝光斑点图频谱统计特性作为选帧策略对该序列图像进行选帧；
步骤(5)，基于斑点干涉术的幸运图像重建：在上述步骤的基础上，根据等晕区大小对配准后的图像进行分块处理，将相同位置的子块收集到集群的不同进程中，随后各进程根据谱比法并行计算各子块所对应的视宁度r0值，最后依据所有子块的平均视宁度r0值及望远镜参数构建斑点干涉术传递函数(SITF)，并利用该传递函数对步骤(4)得到的多帧幸运图像相关叠加结果进行模的修正，从而进一步提高重建结果的空间分辨率，完成图像重建工作。
2.根据权利要求1所述基于太阳色球幸运图像的多核并行实时重建方法，其特征在于：所述步骤(1)中探测器的帧频≥100帧/秒。
3.根据权利要求1所述基于太阳色球幸运图像的多核并行实时重建方法，其特征在于：所述步骤(4)的计算步骤为：通过公式(5)计算频谱比值，然后通过公式(6)-(8)计算出每一帧图像所对应的像质评价函数ImageQ值，最后按ImageQ值的大小对该序列图像进行像质排序；
ImageQ＝FSRabs*FSRangle 式(6)；
其中，FSR(u，v)为频谱比值；OTFt(u，v)为大气——望远镜综合光学传递函数；<OTFt(u，v)>为平均综合光学传递函数，abs(…)表示取模操作，angle(…)表示取相位操作，公式(7)是极坐标下的积分表示形式，ρ代表径向积分区域，ρ1代表积分频率环的内径，ρ2代表积分频率环的外径，径向积分区域可选取望远镜截止频域内的整个区域，也可选取与获取的短曝光斑点图的平均视宁度r0有关的局部区域，公式(8)中的||...||表示弗罗贝尼乌斯(Frobenius)范数或L2范数，其定义为
CN201810302028.9A 2018-04-04 2018-04-04 一种基于太阳色球幸运图像的多核并行实时重建方法 Active CN108510492B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810302028.9A CN108510492B (zh) 2018-04-04 2018-04-04 一种基于太阳色球幸运图像的多核并行实时重建方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810302028.9A CN108510492B (zh) 2018-04-04 2018-04-04 一种基于太阳色球幸运图像的多核并行实时重建方法

Publications (2)

Publication Number Publication Date
CN108510492A true CN108510492A (zh) 2018-09-07
CN108510492B CN108510492B (zh) 2023-08-25

Family

ID=63380426

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810302028.9A Active CN108510492B (zh) 2018-04-04 2018-04-04 一种基于太阳色球幸运图像的多核并行实时重建方法

Country Status (1)

Country Link
CN (1) CN108510492B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113393365A (zh) * 2021-06-02 2021-09-14 昆明理工大学 一种基于fpga的实时频域幸运成像方法及系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2152064C1 (ru) * 1998-07-30 2000-06-27 Институт солнечно-земной физики СО РАН Телескоп
US20130155327A1 (en) * 2012-02-01 2013-06-20 Geoffrey Louis Barrows Method to Process Image Sequences with Sub-Pixel Displacements
US20140125860A1 (en) * 2012-11-02 2014-05-08 U.S. Army Research Laboratory Attn: Rdrl-Loc-I Passive Imaging Correction System Using Feedback and Method Thereof
CN103868680A (zh) * 2014-04-09 2014-06-18 中国科学院云南天文台 基于斑点干涉成像的地基望远镜离焦像差探测方法
CN105321183A (zh) * 2015-11-20 2016-02-10 中国科学院云南天文台 基于短曝光斑点图统计特性的幸运成像选帧方法
CN105651491A (zh) * 2016-01-05 2016-06-08 中国科学院云南天文台 基于短曝光斑点图频谱比值的地基望远镜焦点探测方法
CN105739091A (zh) * 2016-03-16 2016-07-06 中国人民解放军国防科学技术大学 一种可减弱大气湍流影响的成像方法及装置
CN107451955A (zh) * 2017-06-20 2017-12-08 昆明理工大学 一种k‑t算法重建天文图像中斑点图的并行化实现方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2152064C1 (ru) * 1998-07-30 2000-06-27 Институт солнечно-земной физики СО РАН Телескоп
US20130155327A1 (en) * 2012-02-01 2013-06-20 Geoffrey Louis Barrows Method to Process Image Sequences with Sub-Pixel Displacements
US20140125860A1 (en) * 2012-11-02 2014-05-08 U.S. Army Research Laboratory Attn: Rdrl-Loc-I Passive Imaging Correction System Using Feedback and Method Thereof
CN103868680A (zh) * 2014-04-09 2014-06-18 中国科学院云南天文台 基于斑点干涉成像的地基望远镜离焦像差探测方法
CN105321183A (zh) * 2015-11-20 2016-02-10 中国科学院云南天文台 基于短曝光斑点图统计特性的幸运成像选帧方法
CN105651491A (zh) * 2016-01-05 2016-06-08 中国科学院云南天文台 基于短曝光斑点图频谱比值的地基望远镜焦点探测方法
CN105739091A (zh) * 2016-03-16 2016-07-06 中国人民解放军国防科学技术大学 一种可减弱大气湍流影响的成像方法及装置
CN107451955A (zh) * 2017-06-20 2017-12-08 昆明理工大学 一种k‑t算法重建天文图像中斑点图的并行化实现方法

Non-Patent Citations (8)

* Cited by examiner, † Cited by third party
Title
A. TOKOVININ等: ""High-resolution imaging at the SOAR telescope"", 《ASTRONOMICAL SOCIETY OF THE PACIFIC》 *
A. TOKOVININ等: ""High-resolution imaging at the SOAR telescope"", 《ASTRONOMICAL SOCIETY OF THE PACIFIC》, vol. 122, no. 898, 1 December 2010 (2010-12-01), pages 1 - 14 *
向娥等: ""基于兴隆观测基地50cm望远镜的幸运成像系统"", 《红外与激光工程》 *
向娥等: ""基于兴隆观测基地50cm望远镜的幸运成像系统"", 《红外与激光工程》, vol. 44, no. 4, 30 April 2015 (2015-04-30), pages 1278 - 1283 *
向永源: ""太阳高分辨高速重建算法的研究"", 《中国博士学位论文全文数据库》 *
向永源: ""太阳高分辨高速重建算法的研究"", 《中国博士学位论文全文数据库》, no. 2, 15 February 2017 (2017-02-15), pages 33 - 34 *
李雪宝: ""太阳望远镜海量数据并行处理技术研究"", 《中国博士学位论文全文数据库 基础科学辑》 *
李雪宝: ""太阳望远镜海量数据并行处理技术研究"", 《中国博士学位论文全文数据库 基础科学辑》, no. 1, 15 January 2016 (2016-01-15), pages 1 - 8 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113393365A (zh) * 2021-06-02 2021-09-14 昆明理工大学 一种基于fpga的实时频域幸运成像方法及系统

Also Published As

Publication number Publication date
CN108510492B (zh) 2023-08-25

Similar Documents

Publication Publication Date Title
Mugnier et al. MISTRAL: a myopic edge-preserving image restoration method, with application to astronomical adaptive-optics-corrected long-exposure images
Jarrett et al. Constructing a WISE High Resolution Galaxy Atlas
Carrano Speckle imaging over horizontal paths
CN106251297A (zh) 一种改进的基于多幅图像模糊核估计的盲超分辨率重建算法
CN104299228B (zh) 一种基于精确点位预测模型的遥感影像密集匹配方法
Xiao et al. An N 2 logN back-projection algorithm for SAR image formation
Garrel et al. A highly efficient lucky imaging algorithm: Image synthesis based on Fourier amplitude selection
CN101699509A (zh) 一种利用气象数据进行大气模糊遥感影像恢复的方法
CN104008539A (zh) 基于多尺度几何分析的图像超分辨率重建方法
CN110782498B (zh) 一种视觉传感网络的快速通用标定方法
CN110378981A (zh) 基于神经网络的傅里叶叠层显微镜光瞳恢复方法
CN108133182B (zh) 一种基于云成像的新能源发电预测方法及装置
Jia et al. Solar image restoration with the CycleGAN based on multi-fractal properties of texture features
CN108510492A (zh) 一种基于太阳色球幸运图像的多核并行实时重建方法
Gruca et al. Weather4cast at neurips 2022: Super-resolution rain movie prediction under spatio-temporal shifts
Sun et al. Image Restoration Based on Statistic PSF Modeling for Improving the Astrometry of Space Debris
Pazhani et al. A novel haze removal computing architecture for remote sensing images using multi-scale Retinex technique
CN116245757B (zh) 多模态数据的多场景通用性遥感影像云修复方法和系统
Zhang et al. Super-resolution method using generative adversarial network for Gaofen wide-field-view images
Zhang et al. Enhanced resolution of FY4 remote sensing visible spectrum images utilizing super-resolution and transfer learning techniques
Ohsawa et al. “Slow-scanning” in Ground-based Mid-infrared Observations
Li et al. Backward-link computational imaging using batch learning networks
Hughes et al. Coma off it: Regularizing variable point-spread functions
Gerwe et al. Supersampling multiframe blind deconvolution resolution enhancement of adaptive optics compensated imagery of low earth orbit satellites
Zhang et al. Single image thin cloud removal for remote sensing images based on conditional generative adversarial nets

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant