南大：从8G到2G，新方法助力天文图像降噪 |《自然-天文学》论文

NaturePortfolio · 公众号 · 科研 · 2025-03-14 12:40

正文

近期来自南京大学、华南理工大学和紫金山天文台的研究团队在《自然-天文学》发表了论文 “基于自监督深度学习和回归过程的天文图像降噪” （Astronomical image denoising by self-supervised deep learning and restoration processes），欢迎阅读文章了解详情。

近年来，基于深度学习的图像降噪已取得了重大进步。然而，现有的深度学习方法缺少对降噪图像偏差或错误的定量控制。神经网络Self2Self专为单张图像降噪而设计。它使用单张图像进行训练，然后给图像降噪，但其训练成本高昂。

来自南京大学、华南理工大学和中国科学院紫金山天文台的研究团队探索用一张天文图像来训练Self2Self，然后利用训练好的神经网络给同类图像降噪，该过程也适用于大型天文图像的快速降噪。为解决偏差问题，偏差超过预定阈值的异常像素会回归至初始值。这一降噪过程由训练、降噪和回归三个步骤组成，因此被命名为TDR方法。研究团队利用该方法将太阳磁图的噪声水平从8高斯左右提升到了2高斯。TDR方法还被进一步应用于哈勃空间望远镜观测的星系图像，大大提高了星系结构的清晰度。TDR方法具有弱信号增强能力，适用于诸多学科领域。