基于DCGAN的高分辨率天文图像生成研究

论文摘要

为生成分辨率大于等于256×256的恒星和星系图像,帮助预测未知的恒星和星系,采用了深度卷积对抗生成网络(DCGAN)以及改进的神经元抛弃方法。通过研究对抗生成网络(GAN)的结构,优化了图像生成模型和训练过程,得到了稳定的能够生成高分辨率的恒星和星系图像生成模型。为了验证上述方法的有效性,在实验中采用了斯隆数字巡天数据库(SDSS)中的图像作为训练图像,生成了256×256以及512×512两种高分辨率的恒星和星系图像,并将结果与采用GAN生成的结果进行了对比。实验结果证明上述算法有效可行,能够在保证模型稳定性的前提下,生成清晰度更高的高分辨率恒星和星系图像。

论文目录

• 1 引言
• 2 斯隆数字巡天数据库
• 3 网络结构及超参数
•   3.1 图像生成网络结构
•   3.2 网络中的超参数
• 4 减少训练不稳定的策略
• 5 实验结果
• 6 结论

文章来源

类型: 期刊论文

作者: 张光华,王福豹,段渭军

关键词: 高分辨率,深度卷积对抗生成网络,斯隆数字巡天数据库,恒星和星系图像

来源: 计算机仿真 2019年12期

年度: 2019

分类: 信息科技,基础科学

专业: 天文学,计算机软件及计算机应用,自动化技术

单位: 西北工业大学电子信息学院

基金: 美国国家科学基金基础研究项目(ACI-1053575)

分类号: P114;TP391.41;TP18

页码: 200-204+262

总页数: 6

文件大小: 3920K

下载量: 310