CN108665426A - 射电天文图像快速复原方法 - Google Patents

射电天文图像快速复原方法 Download PDF

Info

Publication number
CN108665426A
CN108665426A CN201810283373.2A CN201810283373A CN108665426A CN 108665426 A CN108665426 A CN 108665426A CN 201810283373 A CN201810283373 A CN 201810283373A CN 108665426 A CN108665426 A CN 108665426A
Authority
CN
China
Prior art keywords
holographic
holography
dirty
observation data
distributions
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.)
Pending
Application number
CN201810283373.2A
Other languages
English (en)
Inventor
白鹏
安涛
陈岚
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.)
Shanghai Institute of Technology
Shanghai Astronomical Observatory of CAS
Original Assignee
Shanghai Institute of Technology
Shanghai 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 Shanghai Institute of Technology, Shanghai Astronomical Observatory of CAS filed Critical Shanghai Institute of Technology
Priority to CN201810283373.2A priority Critical patent/CN108665426A/zh
Publication of CN108665426A publication Critical patent/CN108665426A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/77—Retouching; Inpainting; Scratch removal

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Holo Graphy (AREA)

Abstract

本发明提供了一种射电天文图像快速复原方法，包括：根据获取到的观测数据构造全息脏图，所述观测数据包括：望远镜观测到的可见度数据；根据观测数据获取对应的全息脏图模型；在每个偏振方向上，把根据观测数据构造的全息脏图减去所述对应的全息脏图模型，得到残图并通过所述残图，得到所有点源的位置；从所述点源中寻找亮度源，并将所述亮度源与当前uv分布进行卷积以更新uv分布；uv分布是指观测数据在频域的横坐标u和纵坐标v所在平面的分布；根据满足预设迭代次数所得到最终更新的uv分布，重构天文图像。本发明在解决欠采样的射电天文图像复原问题时能够取得非常理想的复原精度，并在保证图像复原精度的前提下大幅缩短了射电天文图像复原的运算时间。

Description

射电天文图像快速复原方法
技术领域
本发明涉及图像处理技术领域，具体地，涉及射电天文图像快速复原方法。
背景技术
射电干涉仪是开展射电天文研究的主要工具之一，通过射电望远镜阵列获得目标天体的各项观测数据，对观测数据做相关处理后得到可见度数据，再对可见度数据在uv平面进行网格化处理和傅里叶变换后即可得到目标源的亮度分布图。由于受到望远镜阵列在空间分布和观测时间上的限制，对目标源的观测是一个欠采样过程，因此实际得到的亮度分布图是包含欠定信息在内的脏图。射电天文成像所要解决的问题就是如何根据脏图尽可能准确地反演出目标天体的真实亮度分布图。最大熵算法(maximum entropy method，MEM)和CLEAN算法是目前常用的射电天文图像复原算法，但其在图像复原精度和数据计算能力上均存在一定的局限性。下一代射电干涉仪以超高的灵敏度和观测精度，将产生大量的TB量级的观测数据，传统的MEM和CLEAN算法无法处理如此大规模的观测数据。
全息去卷积技术把望远镜的方向依赖和偏振信息考虑到图像的复原过程中去，大大提高了欠采样问题下图像的复原精度，可以满足下一代射电干涉仪对复原精度的需求，但目前存在的全息去卷积技术在可见度数据的生成和网格化处理的过程中都需要重复计算全息波束模型等有关数据，导致其在计算速度上存在一定的局限性。
发明内容
针对现有技术中的缺陷，本发明的目的是提供一种射电天文图像快速复原方法。
根据本发明提供的一种射电天文图像快速复原方法，包括：
根据获取到的观测数据构造全息脏图，所述观测数据包括：望远镜观测到的可见度数据；
根据所述观测数据，获取对应的全息脏图模型；
在每个偏振方向上，把根据观测数据构造的全息脏图减去所述对应的全息脏图模型，得到残图；
通过所述残图，得到所有点源的位置；
从所述点源中寻找亮度源，并将所述亮度源与当前uv分布进行卷积以更新uv分布；uv分布是指观测数据在频域的横坐标u和纵坐标v所在平面的分布；
根据满足预设迭代次数所得到最终更新的uv分布，重构天文图像。
可选地，所述根据所述观测数据，获取对应的全息脏图模型，包括：
获取观测数据在每一个偏振方向上的全息映射函数；其中，所述全息映射函数包含了从uv分布映射到全息uv平面的偏振信息，以及望远镜所有的基线采样信息和方向依赖波束信息；所述全息uv平面是指以全息天线观测后包含偏振信息的uv分布图；u、v分别表示频域的横坐标和纵坐标；
对每一个偏振方向上的全息映射函数进行傅里叶FFT变换后，得到对应的全息脏图模型。
可选地，所述通过所述残图，得到所有点源的位置，包括：
根据琼斯阵和每一个天线偏振方向的平均波束模型对所述残图进行转换处理后，得到所有点源的位置。
可选地，所述从所述点源中寻找亮度源，并将所述亮度源与当前uv分布进行卷积以更新uv分布，包括：
在所述点源中找到亮度最大的点的位置，并通过增益γ在亮度最大的点的位置生成新的亮度源；把新的亮度源与当前uv分布进行卷积后，得到更新的uv分布。
可选地，所述根据满足预设迭代次数所得到最终更新的uv分布，重构天文图像，包括：
步骤1：令i的值为0；
步骤2：获取观测数据在每一个偏振方向上的全息映射函数，所述全息映射函数包含了从当前uv分布映射到全息uv平面的偏振信息，以及望远镜所有的基线采样信息和方向依赖波束信息；
步骤3：对每一个偏振方向上的全息映射函数进行傅里叶FFT变换后，得到对应的全息脏图模型；
步骤4：在每个偏振方向上，把根据观测数据构造的全息脏图减去所述对应的全息脏图模型，得到残图；
步骤5：根据琼斯阵和每一个天线偏振方向的平均波束模型对残图进行转换后，得到斯托克斯参数图像I、Q、U、V的值，并对I、Q、U、V的值进行中值滤波处理，得到所有点源的位置；
步骤6：在所述点源中找到亮度最大的点的位置，并通过增益γ在亮度最大的点的位置生成新的亮度源；把新的亮度源与当前uv分布进行卷积以得到更新后的当前uv分布；
步骤7：判断i的值是否小于迭代次数N，若是，则返回执行步骤2，并令i的值自增1；若否，则执行步骤8；
步骤8：根据最终更新的uv分布，重构天文图像。
可选地，所述根据获取到的观测数据构造全息脏图，包括：
确定两个双向线性的接收方向，分别记为X和Y；
生成可见度数据在XX、YY，XY和YX四个相互独立方向的全息脏图。
可选地，所述步骤2中观测数据在每一个偏振方向上的全息映射函数的计算公式如下：
式中：B(v,u)为观测数据的可见度模型，为全息天线的波束模型，H(u,u)为全息函数。
与现有技术相比，本发明具有如下的有益效果：
本发明提供的射电天文图像快速复原方法，通过将根据观测数据得到的全息脏图与根据观测数据计算得到的全息映射函数相结合，全息映射函数中包含了观测模型的全部方向依赖和偏振信息，且稀疏性非常好，因此可以快速准确地从观测数据的uv模型估算出其全息uv域模型，在解决欠采样的射电天文图像复原问题时能够取得非常理想的复原精度，并在保证图像复原精度的前提下大幅缩短了射电天文图像复原的运算时间，从而提高了全息去卷积技术在射电天文图像复原领域和下一代射电干涉仪上的实用性。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明提供的射电天文图像快速复原方法的原理框图；
图2为本发明一实施例提供的射电天文图像快速复原方法的流程示意图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
根据本发明提供的射电天文图像快速复原方法，可以包括：
S101、根据获取到的观测数据构造全息脏图，所述观测数据包括：望远镜观测到的可见度数据；
S102、根据所述观测数据，获取对应的全息脏图模型；
S103、在每个偏振方向上，把根据观测数据构造的全息脏图减去所述对应的全息脏图模型，得到残图；
S104、通过所述残图，得到所有点源的位置；
S105、从所述点源中寻找亮度源，并将所述亮度源与当前uv分布进行卷积以更新uv分布；uv分布是指观测数据在频域的横坐标u和纵坐标v所在平面的分布；
S106、根据满足预设迭代次数所得到最终更新的uv分布，重构天文图像。
本实施例，通过将根据观测数据得到的全息脏图与根据观测数据计算得到的全息映射函数相结合，全息映射函数中包含了观测模型的全部方向依赖和偏振信息，且稀疏性非常好，因此可以快速准确地从观测数据的uv模型估算出其全息uv域模型，在解决欠采样的射电天文图像复原问题时能够取得非常理想的复原精度，在保证图像复原精度的前提下大幅缩短了射电天文图像复原的运算时间，从而提高了全息去卷积技术在射电天文图像复原领域和下一代射电干涉仪上的实用性。
可选地，在另一实施例中，本发明中提供的射电天文图像快速复原方法，可以包括如下步骤：
S201、根据获取到的观测数据构造全息脏图；所述观测数据包括：望远镜观测到的可见度数据；所述全息脏图是通过观测数据在每一个偏振方向上的uv覆盖分别做网格化处理，再进行傅里叶变换得到的；u、v分别表示频域的横坐标和纵坐标，所述uv平面是以望远镜的观测数据对应到频域上(u、v坐标)后的位置信息构成的分布图。
本实施例中，可以通过确定两个双向线性的接收方向，分别记为X和Y；然后生成可见度数据在XX、YY，XY和YX四个相互独立方向的全息脏图。
具体的，通过对可见度数据在每一个偏振方向上的uv覆盖分别做网格化处理，并对网格化处理之后的可见度数据进行傅里叶变换，得到相应偏振方向上的全息脏图。
需要说明的是，对每一个偏振方向的可见度数据只需进行一次uv平面上的网格化处理和快速傅里叶变换。在构建所述全息脏图时，可见度数据自uv平面到全息uv平面的映射选择是相当灵活的，可见度数据在uv平面和全息uv平面上映射结果的大小和分辨率不一定要相匹配。
S202、获取观测数据在每一个偏振方向上的全息映射函数，所述全息映射函数包含了从当前uv分布映射到全息uv平面的偏振信息，以及望远镜所有的基线采样信息和方向依赖波束信息；所述全息uv平面是指以全息天线观测后包含偏振信息的uv分布图。
本实施例中，对于每一次独立观测的每一个全息偏振方向都要对全息映射函数进行预计算，计算结果保存在存储模块中并记录到射电干涉仪的磁盘中。
S203、对每一个偏振方向上的全息映射函数进行傅里叶FFT变换后，得到对应的全息脏图模型；
S204、在每个偏振方向上，把根据观测数据构造的全息脏图减去所述对应的全息脏图模型，得到残图；
S205、根据琼斯阵和每一个天线偏振方向的平均波束模型对残图进行转换后，得到斯托克斯参数图像I、Q、U、V的值，并对I、Q、U、V的值进行中值滤波处理，得到所有点源的位置；其中，斯托克斯参数及其矢量是光学尤其是偏振光描述的公认定理，斯托克斯四个参数分量可以完整表述所有的偏振信息，因此本发明中不再对其进行展开描述。
本实施例中，斯托克斯参数图像模型是根据琼斯阵和每一个天线偏振方向的平均波束模型对残图进行转换得到的，对所述斯托克斯图像进行中值滤波可以突出点源的位置。滤波后的斯托克斯图像的亮度值将变得非常明显，并在峰值附近出现亮度核，选择增益系数γ在其亮度最大值点生成新的亮度源，再用新的点源可更新四个全息偏振方向的uv平面模型。
S206、在所述点源中找到亮度最大的点的位置，并通过增益γ在亮度最大的点的位置生成新的亮度源；把新的亮度源与当前uv分布进行卷积以得到更新后的当前uv分布。
本实施例中，在进行迭代去卷积前，需要设定循环增益γ和迭代去卷积次数，然后对观测数据的每一个偏振方向分别代入全息映射函数，再对其进行FFT变换得到四个全息偏振方向的脏图模型。
S207、判断i的值是否小于迭代次数N，若是，则返回执行步骤S202，并令i的值自增1；若否，则执行步骤S208；
S208、根据最终更新的uv分布，重构天文图像。
本实施例中，当所述快速全息去卷积运算在满足迭代停止条件后即可进一步与洁束卷积得到高精度的复原图像。
本实施例中，观测数据在每一个偏振方向上的全息映射函数的计算公式如下：
式中：B(v,u)为观测数据的可见度模型，为全息天线的波束模型，H(u,u)为全息函数(其中的u、v相当于频域变换，uv变换在图像处理领域可以作为术语，类似数学中的x,y通过傅里叶变换转换为频域j,w，此处不再赘述)。全息映射函数可以把可见度数据在uv平面上的任何一点对应转换到全息uv平面上去。
需要说明的是，全息脏图中每个点的信息减去计算得到的全息脏图模型中对应的每个点的信息是指：全息脏图和全息脏图模型中每个位置对应的数据信息之间做减法运算，例如：将每个点的位置坐标相减。
具体的，对于每一次独立观测的每一个全息偏振方向都要对全息映射函数进行预计算，计算结果以行索引的方式保存在稀疏存储模块中并记录到射电干涉仪的磁盘中。
需要说明的是，uv平面到全息uv平面的映射是相当灵活的，可见度数据在uv平面和全息uv平面上映射结果的大小和分辨率不一定要相匹配。但由于可见度数据是uv平面上有限区域的积分，且后续网格化处理的范围也是有限的，因此实际中，可见度数据在uv平面上的位置通常映射到全息uv平面上相近的位置。
具体的，对所述全息脏图和全息映射函数进行迭代去卷积处理的计算公式如下：
式中：vd为观测数据，为射电观测源的uv平面模型，γ为循环增益参数，FT(θ,u)为傅里叶变换，θ为偏振角度，F(u,θ)为傅里叶变换，I(θm)为包含射电观测设备基线信息的可见度数据，θm为射电观测设备的基线位置(角度)。
具体的，图2为本发明一实施例提供的射电天文图像快速复原方法的流程示意图，如图2所示，本实施例中的方法可以包括：
S301、构造观测数据在四个全息方向的脏图。
S302、找出脏图中的最大值(脏图中点源的亮度最大值的位置)，设定循环增益γ和迭代去卷积次数N。
S303、计算观测数据在各全息方向的映射函数，对其分别进行快速傅里叶变换得到全息脏图模型；本步骤需要对观测数据的每一个全息偏振方向都进行一次映射函数计算。
S304、从观测数据的全息脏图中减去计算得到的全息脏图模型，得到相应的残图。
S305、从残图中得到斯托克斯参数图像I、Q、U和V，对其中值滤波以突出点源。所述斯托克斯参数图像是根据琼斯阵和每一个天线偏振方向的平均波束模型对步骤S304中余下的残图进行转换得到的，对所述斯托克斯图像进行中值滤波可以突出点源位置。
S306、找到斯托克斯图像亮度的最大值点，借助γ增益更新UV覆盖模型，判断是否达到迭代次数，若否，则返回执行步骤S303，若是，则执行步骤S307。所述滤波后的斯托克斯图像的亮度值将变得非常明显，并在峰值附近出现亮度核，选择增益系数γ在其亮度最大值点生成新的亮度源，再用新的点源更新四个全息偏振方向的uv平面模型。
S307、重建图像。所述快速全息去卷积运算在满足迭代停止条件后即可进一步与洁束卷积得到高精度的复原图像。
本实施例，通过将根据观测数据得到的全息脏图与根据观测数据计算得到的全息映射函数相结合，全息映射函数包含了观测模型的全部方向依赖和偏振信息，且稀疏性非常好，因此可以快速准确地从观测数据的uv模型估算出其全息uv域模型，在解决欠采样的射电天文图像复原问题时能够取得非常理想的复原精度。由于全息映射函数包含了望远镜所有的基线采样信息和方向依赖波束信息，据此可以有效地对可见度数据的生成和网格化处理的过程进行预计算，而且计算结果在更换天空模型后仍可重复使用，这使得本发明方法在处理大规模观测数据时将会显著提高全息运算的效率。另外，由于全息映射函数的预计算亦独立于去卷积过程，因此减化了全息去卷积过程的运算步骤，在保障图像复原精度的前提下大幅缩短了计算时间。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。

Claims (7)

1.一种射电天文图像快速复原方法，其特征在于，包括：
根据获取到的观测数据构造全息脏图，所述观测数据包括：望远镜观测到的可见度数据；
根据所述观测数据，获取对应的全息脏图模型；
在每个偏振方向上，把根据观测数据构造的全息脏图减去所述对应的全息脏图模型，得到残图；
通过所述残图，得到所有点源的位置；
从所述点源中寻找亮度源，并将所述亮度源与当前uv分布进行卷积以更新uv分布；uv分布是指观测数据在频域的横坐标u和纵坐标v所在平面的分布；
根据满足预设迭代次数所得到最终更新的uv分布，重构天文图像。
2.根据权利要求1所述的射电天文图像快速复原方法，其特征在于，所述根据所述观测数据，获取对应的全息脏图模型，包括：
获取观测数据在每一个偏振方向上的全息映射函数；其中，所述全息映射函数包含了从uv分布映射到全息uv平面的偏振信息，以及望远镜所有的基线采样信息和方向依赖波束信息；所述全息uv平面是指以全息天线观测后包含偏振信息的uv分布图；u、v分别表示频域的横坐标和纵坐标；
对每一个偏振方向上的全息映射函数进行傅里叶FFT变换后，得到对应的全息脏图模型。
3.根据权利要求1所述的射电天文图像快速复原方法，其特征在于，所述通过所述残图，得到所有点源的位置，包括：
根据琼斯阵和每一个天线偏振方向的平均波束模型对所述残图进行转换处理后，得到所有点源的位置。
4.根据权利要求1所述的射电天文图像快速复原方法，其特征在于，所述从所述点源中寻找亮度源，并将所述亮度源与当前uv分布进行卷积以更新uv分布，包括：
在所述点源中找到亮度最大的点的位置，并通过增益γ在亮度最大的点的位置生成新的亮度源；把新的亮度源与当前uv分布进行卷积后，得到更新的uv分布。
5.根据权利要求1所述的射电天文图像快速复原方法，其特征在于，所述根据满足预设迭代次数所得到最终更新的uv分布，重构天文图像，包括：
步骤1：令i的值为0；
步骤2：获取观测数据在每一个偏振方向上的全息映射函数，所述全息映射函数包含了从当前uv分布映射到全息uv平面的偏振信息，以及望远镜所有的基线采样信息和方向依赖波束信息；
步骤3：对每一个偏振方向上的全息映射函数进行傅里叶FFT变换后，得到对应的全息脏图模型；
步骤4：在每个偏振方向上，把根据观测数据构造的全息脏图减去所述对应的全息脏图模型，得到残图；
步骤5：根据琼斯阵和每一个天线偏振方向的平均波束模型对残图进行转换后，得到斯托克斯参数图像I、Q、U、V的值，并对I、Q、U、V的值进行中值滤波处理，得到所有点源的位置；
步骤6：在所述点源中找到亮度最大的点的位置，并通过增益γ在亮度最大的点的位置生成新的亮度源；把新的亮度源与当前uv分布进行卷积以得到更新后的当前uv分布；
步骤7：判断i的值是否小于迭代次数N，若是，则返回执行步骤2，并令i的值自增1；若否，则执行步骤8；
步骤8：根据最终更新的uv分布，重构天文图像。
6.根据权利要求1-5中任一项所述的射电天文图像快速复原方法，其特征在于，所述根据获取到的观测数据构造全息脏图，包括：
确定两个双向线性的接收方向，分别记为X和Y；
生成可见度数据在XX、YY，XY和YX四个相互独立方向的全息脏图。
7.根据权利要求5所述的射电天文图像快速复原方法，其特征在于，所述步骤2中观测数据在每一个偏振方向上的全息映射函数的计算公式如下：
式中：B(v,u)为观测数据的可见度模型，为全息天线的波束模型，H(u,u)为全息函数。
CN201810283373.2A 2018-04-02 2018-04-02 射电天文图像快速复原方法 Pending CN108665426A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810283373.2A CN108665426A (zh) 2018-04-02 2018-04-02 射电天文图像快速复原方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810283373.2A CN108665426A (zh) 2018-04-02 2018-04-02 射电天文图像快速复原方法

Publications (1)

Publication Number Publication Date
CN108665426A true CN108665426A (zh) 2018-10-16

Family

ID=63783015

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810283373.2A Pending CN108665426A (zh) 2018-04-02 2018-04-02 射电天文图像快速复原方法

Country Status (1)

Country Link
CN (1) CN108665426A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112712486A (zh) * 2020-11-26 2021-04-27 贵州大学 一种基于激活函数的射电天文图像重建方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6184989B1 (en) * 1999-04-26 2001-02-06 En'urga, Inc. Laser sheet tomography apparatus for flow field statistics
CN101976297A (zh) * 2010-09-30 2011-02-16 中国科学院国家天文台 一种地基单天线观测月球亮温度数据的处理方法
CN102421105A (zh) * 2012-01-12 2012-04-18 北京邮电大学 超宽带压缩感知无线信道建模方法
CN103512673A (zh) * 2012-06-28 2014-01-15 中国科学院国家天文台 一种微波探测仪观测月球亮温度数据处理方法
CN103530627A (zh) * 2013-10-23 2014-01-22 东南大学 基于二维散射中心集网格模型的isar图像恢复方法
CN105389582A (zh) * 2015-08-07 2016-03-09 西安电子科技大学 基于clean算法散射中心提取的isar目标轮廓提取方法
CN106299702A (zh) * 2016-09-14 2017-01-04 中国科学院上海天文台 一种低频射电阵列数字波束合成系统及方法
CN107369134A (zh) * 2017-06-12 2017-11-21 上海斐讯数据通信技术有限公司 一种模糊图像的图像复原方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6184989B1 (en) * 1999-04-26 2001-02-06 En'urga, Inc. Laser sheet tomography apparatus for flow field statistics
CN101976297A (zh) * 2010-09-30 2011-02-16 中国科学院国家天文台 一种地基单天线观测月球亮温度数据的处理方法
CN102421105A (zh) * 2012-01-12 2012-04-18 北京邮电大学 超宽带压缩感知无线信道建模方法
CN103512673A (zh) * 2012-06-28 2014-01-15 中国科学院国家天文台 一种微波探测仪观测月球亮温度数据处理方法
CN103530627A (zh) * 2013-10-23 2014-01-22 东南大学 基于二维散射中心集网格模型的isar图像恢复方法
CN105389582A (zh) * 2015-08-07 2016-03-09 西安电子科技大学 基于clean算法散射中心提取的isar目标轮廓提取方法
CN106299702A (zh) * 2016-09-14 2017-01-04 中国科学院上海天文台 一种低频射电阵列数字波束合成系统及方法
CN107369134A (zh) * 2017-06-12 2017-11-21 上海斐讯数据通信技术有限公司 一种模糊图像的图像复原方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
I. S. SULLIVAN等: "FAST HOLOGRAPHIC DECONVOLUTION: A NEW TECHNIQUE FOR PRECISION RADIO INTERFEROMETRY", 《ARXIV:1209.1653V1》 *
T.J. CORNWELL: "Multi-Scale CLEAN deconvolution of radio synthesis images", 《ARXIV:0806.2228V1》 *
李林茂: "重构图像中CLEAN算法的研究", 《中国优秀硕士学位论文全文数据库 基础科学辑》 *
邱耀辉等: "CLEAN 算法在天文图像空域重建中的应用", 《云南天文台台刊》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112712486A (zh) * 2020-11-26 2021-04-27 贵州大学 一种基于激活函数的射电天文图像重建方法
CN112712486B (zh) * 2020-11-26 2024-04-26 贵州大学 一种基于激活函数的射电天文图像重建方法

Similar Documents

Publication Publication Date Title
Cornwell Multiscale CLEAN deconvolution of radio synthesis images
CN101608908A (zh) 数字散斑投影和相位测量轮廓术相结合的三维数字成像方法
Gens Two-dimensional phase unwrapping for radar interferometry: developments and new challenges
CN108288250A (zh) 基于tgv正则化的红外遥感图像超分辨率重建方法
CN115797256B (zh) 基于无人机的隧道岩体结构面信息的处理方法以及装置
CN108389169A (zh) 一种应用于火焰光场重聚焦成像的温度重建方法
Suresh et al. PMENet: phase map enhancement for Fourier transform profilometry using deep learning
Basu et al. Omni-directional sensors for pipe inspection
CN108665426A (zh) 射电天文图像快速复原方法
Sekhar et al. Direction-dependent Corrections in Polarimetric Radio Imaging. III. A-to-Z Solver—Modeling the Full Jones Antenna Aperture Illumination Pattern
CN112665529B (zh) 基于条纹密度区域分割和校正的物体三维形貌测量方法
Tong et al. 3D information retrieval in mobile robot vision based on spherical compound eye
CN103267485A (zh) 一种点衍射三维绝对位移测量方法
Wu et al. Neural interferometry: Image reconstruction from astronomical interferometers using transformer-conditioned neural fields
CN112330814B (zh) 一种基于机器学习的结构光三维重建方法
Wang et al. Removing systematics-induced 21-cm foreground residuals by cross-correlating filtered data
Gueven et al. An augmented Lagrangian method for sparse SAR imaging
CN113554555A (zh) 相位畸变补偿方法、装置、计算机设备和存储介质
Wu et al. An efficient method on ISAR image reconstruction via norm regularization
Wu et al. A stable and effective calibration method for defocused cameras using synthetic speckle patterns
Shi et al. 21-cm foreground removal using AI and the frequency-difference technique
Pratley et al. w-Stacking w-projection hybrid algorithm for wide-field interferometric imaging: implementation details and improvements
Lao et al. Research on Wide-field Imaging Techniques for Low-frequency Radio Array
Concas et al. Identifying the lights position in photometric stereo under unknown lighting
Feng et al. Research on Low Resolution Digital Image Reconstruction Method Based on Rational Function Model.

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20181016

WD01 Invention patent application deemed withdrawn after publication