Core Concepts
本文提出了一种基于自编码器的图像质量评估算法,能够自动评估图像质量并掩蔽受噪声严重影响的区域。
Abstract
本文提出了一种基于自编码器的图像质量评估算法。首先,使用高质量的参考图像训练自编码器,使其能够学习到高质量图像的特征。然后,将待评估的图像输入到训练好的自编码器中,并计算重建图像与原图像之间的差异,作为图像质量的评估指标。通过将原图像划分为小块并分别评估每个小块的质量,可以识别出受噪声严重影响的区域并进行掩蔽。
作者使用模拟图像和实际观测图像对该算法进行了测试。对于模拟图像,算法能够有效识别不同模糊程度和复杂背景噪声的影响。对于实际观测图像,算法能够准确识别受背景噪声影响的区域,并显著提高光度测量的准确性。该算法可以应用于自动处理天文观测数据,提高数据处理的效率和鲁棒性。
Stats
当点扩散函数全宽半高值从0.5到2.0变化时,图像质量评估指标(MAE)呈现单调变化趋势,表明算法能够有效评估不同模糊程度的图像质量。
当复杂背景噪声覆盖率从0.1到1.0变化时,图像质量评估指标(MAE)随之增大,表明算法能够捕捉复杂背景噪声的影响。
在实际观测图像中,受背景噪声影响的区域的光度测量误差明显高于未受影响的区域,表明算法能够有效识别受噪声影响的区域。
Quotes
"本文提出了一种基于自编码器的图像质量评估算法,能够自动评估图像质量并掩蔽受噪声严重影响的区域。"
"该算法可以应用于自动处理天文观测数据,提高数据处理的效率和鲁棒性。"