基于深度学习的SKA图像反卷积研究

摘要

干涉测量使得观测天文图像的分辨率显著提升,然而其阵型所带来的点扩展函数效应需要图像反卷积技术来消除。尽管传统CLEAN反卷积算法已经广泛应用于射电天文图像的点扩展函数消除,但仍然存在精度不高的问题。为了解决国际大科学工程——平方公里阵(SKA)的图像模糊问题,本文提出一种深度卷积神经网络来提升射电天文图像重建的质量。实验显示,相较于通用的方法,本文提出的方法能更好地重建弱源,并在整体图像质量上有明显提升。