仪器仪表学报

作者：孙友红，张 涛，刘嘉楠，刘建华，王 超

单位：孙友红,1. 长春理工大学空间光电技术研究所,,张 涛,2. 中国空间技术研究院(CAST)遥感卫星总体部,,刘嘉楠,1. 长春理工大学空间光电技术研究所,,刘建华,1. 长春理工大学空间光电技术研究所,,王 超,1. 长春理工大学空间光电技术研究所,

关键词：超分辨成像;联合优化;望远系统;无监督网络

基金：国家自 然 科 学 基 金 ( 62375027, 62127813 )、 重 庆 市 自 然 科 学 基 金 ( CSTB2023NSCQ-MSX0504 )、 吉 林 省 自 然 科 学 基 金(YDZJ202201ZYTS411,222621JC010498735)、吉林省教育厅资助(JJKH20240920KJ)项目资助

光学望远镜是获取远距离物体光学信息的重要工具,在天文观测、遥感和光学监视领域具有广泛的应用。分辨率是衡量望远镜观测物体细节能力的重要指标,传统提高望远镜分辨率的方法是建造更大口径的望远镜,这导致建造和维护成本大幅增加。本文提出一种光学-神经网络联合优化方法,通过将望远系统的点扩散函数等效为一个单核卷积层,集成到图像超分辨重建网络前端进行联合训练,并在光路引入相位掩模重构训练得到的点扩散函数,从而实现两者协同优化,有效提高了观测图像的分辨率。本文还构建一种高性能的生成对抗网络,其训练参数小于现有几种无监督网络,重建速度远高于现有几种无监督网络。此网络采用双鉴别器架构提高了网络提取细节特征的能力,设计的级联残差块充分利用了各级提取的特征信息,扩展了信息的传播路径,提高了重建效率。仿真结果表明,本文与单纯的深度学习方法相比,联合优化方法重建的超分辨率图像PSNR和SSIM在仿真数据集中分别提高了3.98和0.06,图像细节丰富,容易分辨。验证实验表明,本文的联合优化方法重建的条纹图像对比度最高,更容易分辨。

来源：2024年第12期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2024年第12期