基于结构重参数化的太阳斑点图像弱监督去模糊方法

针对云南天文台拍摄的模糊太阳斑点图像使用有监督学习模型进行重建时容易产生伪像、训练时间长、重建结果过分依赖参考图像等问题,提出一种基于结构重参数化与多分支模块相结合的弱监督去模糊方法重建太阳斑点图。首先,结合单尺度与多尺度网络设计去模糊模型,在模型中构造多分支模块提取不同尺度的特征,增强细节信息,减少伪像生成;其次,对每个分支结构进行重参数化,使得结构参数的重用贯穿整个特征提取过程,节省计算时间;之后,将去模糊模型分别嵌入退化学习与逆退化学习的弱监督训练中,先对模糊图像进行等级划分,利用退化模型分别学习不同等级的退化,构成对应等级的配对数据集,再使用去模糊模型对数据集进行逆退化,实现太阳斑点图的重建。实验结果表明,该方法与现有深度学习去模糊方法相比,模型训练效率更高,对参考图像的依赖较小,能够满足太阳斑点图像高分辨率重建要求。

结合多聚焦融合和DSGEF双阶段网络重建太阳斑点图

太阳斑点图具有对比度较低、米粒结构相似、帧间差异较小的特点,现有重建网络在进行单帧去模糊时存在高频特征不足、局部细节难以恢复等问题。结合图像多聚焦融合,构建梯度增强与FPN双阶段网络实现太阳斑点图的高分辨率重建。首先,利用序列图像帧间相似信息互补特性,使用块聚焦图像融合算法,弥补图像丢失的高频细节;其次,以生成对抗网络GAN为框架,设计了一个双阶段重建网络DSGEF,联合梯度分支与结构特征分支增强高频细节,再利用FPN网络进行多尺度特征重建,改善米粒边缘清晰度;最后,引入一个包含对抗损失、像素损失和感知损失的联合损失函数,用于引导网络DSGEF进行训练,实现高分辨率太阳斑点图的重建。实验结果表明,该方法与现有深度学习方法相比,峰值信噪比(PSNR)和结构相似性(SSIM)指标均有明显提高,能够满足太阳观测图像高分辨率重建要求。

基于嵌入式系统的望远镜远程控制实验

为了验证通过网络进行天文望远镜控制的技术,及通过嵌入式Internet对现场总线设备进行远程控制的可行性,本实验以嵌入式Internet开发板TINI为平台,通过一组应用程序的开发,实现了对一台配备有伺服控制系统的小型业余天文望远镜的远程控制和状态监视。

天文数据检索与发布综述

海量观测数据及次生数据的高效存储与检索,天文大数据的快速及时处理,加速天文学研究的科学产出等问题,已成为天文观测和天文研究迫切需要解决的难题。以信息技术为支撑的天文大数据的高效分析和处理,帮助天文学家重新审视和了解宇宙。虚拟天文台的出现为全球范围内研究资源的无缝透明连接提供了协议、标准,以协议为基础规范了天文数据的发布与检索方式。以国内外现有的观测设备为基础,综述目前主流天文机构的数据发布与检索相关情况。

提升科研团组情报分析能力的学科化服务机制研究

针对目前嵌入科研团组的学科化服务方面的研究不足,本文对学科化服务在提升研究所科研团组情报分析能力和服务机制方面进行研究,创新发展提升学科团组的情报分析能力的服务机制,通过对情报分析方法的培训、服务组织形式以及协作方式等方面进行研究,帮助学科馆员构建扎根科研团组内部,以形成学科化可持续服务的模式。

2.4m望远镜远程观测系统的初步系统设计

为提高观测效率,节约运行成本,云南天文台将在2.4m望远镜的Robotic System的基础上建立一套2.4m望远镜远程观测系统。作者对该系统具体设计进行了详细说明。

国家天文科学数据中心发展思路浅析

随着现代科学技术的进步,天文学研究已经进入到了数据密集型和数据驱动的时代。面对海量天文数据对资源收集与保存、资源汇交、挖掘应用、开放共享等方面的需求和挑战,国家天文科学数据中心正在借助最新科技成果努力使互联网时代数据驱动的科学研究过程变得更加便捷。文章介绍了天文学界在天文科学数据资源的管理、国际交换和开放共享方面的做法,概述了国家天文科学数据中心的总体发展思路,介绍了为应对数据密集型和数据驱动型天文学研究而发展起来的虚拟天文台技术和天文信息学学科方向。为加强天文科学数据资源的汇聚整合和管理分析,国家天文科学数据中心根据领域特点建立了天文科学数据资源体系,规范了天文数据资源的收集、保存和汇交;对天文数据进行挖掘,形成可发现、可访问、可复用的科学数据产品,并将其应用在不同用户群;以开放为常态的原则提供检索、在线分析挖掘、应用接口等规范化服务,遵照天文领域国际标准实现数据共享和互操作,提供在线、离线及混合模式的开放共享服务;构建针对领域特色的逻辑统一、物理分散的分布式资源平台,对软硬件资源合理布局;阐述了中心在国内外态势监测、国际合作交流和科学传播方面的做法。文章通过上述几个方面,将国家天文数据中心的发展思路与天文科学数据的全生命周期特点相结合,展望中心的广阔前景。

基于生成对抗网络的梯度引导太阳斑点图像去模糊方法

针对云南天文台拍摄的高度模糊的太阳斑点图像采用现有深度学习算法恢复难度大、高频信息难以重建等问题,提出了一种基于生成对抗网络(GAN)与梯度信息联合的去模糊方法来重建太阳斑点图,并很好地恢复出图像的高频信息。该方法由一个生成器与两个鉴别器构成:首先,生成器采用特征金字塔网络(FPN)框架来获取图像多尺度特征,再将这些特征分层次输入梯度分支以梯度图的形式捕获更小的局部特征;然后,联合梯度分支结果与FPN结果共同重建出具有高频信息的太阳斑点图像;其次,在常规对抗鉴别器的基础上,增加了一个鉴别器用于保证由梯度分支产生的梯度图更加真实;最后,引入一个包括像素内容损失、感知损失和对抗损失的联合训练损失来引导模型进行太阳斑点图像高分辨率重建。实验结果表明,进行图像预处理后的所提方法与现有的深度学习去模糊方法相比,高频信息恢复能力更强,峰值信噪比(PSNR)和结构相似性(SSIM)指标均有显著提高,分别达到27.8010 dB与0.8510,能够满足太阳观测图像高分辨率重建的需要。

基于ARM架构的嵌入式系统在自动气象监测系统的应用:以NVST气象站为例

自动气象监测系统是现代天文观测台站必备的辅助系统之一,传统的自动气象监测系统基于微控制器或个人计算机开发。微控制器多用于工业控制,无法满足多任务和批量数据的快速处理;个人计算机由于高功耗、高成本及低可移动性,无法在野外使用。为了克服上述两种开发方式的缺点,采用基于ARM架构的嵌入式系统为抚仙湖1 m新真空太阳望远镜(New Vacuum Solar Telescope,NVST)开发一套低功耗、低成本、高稳定性的自动气象监测系统。介绍了1 m太阳望远镜气象站的整体设计、软硬件功能和调试中遇到的问题及解决方法。经过测试,新的系统除具备上述特性外还具有较强的鲁棒性,可以满足望远镜日常观测的需求。

基于深度学习的无碰撞引力N体数值模拟的可行性研究

提出了用深度神经网络代替快速傅里叶变换法求解无碰撞引力N体数值模拟方法PM-Tree(Partical Mesh Tree)中的势能,以提升PM-Tree方法的效率,验证深度学习方法加速无碰撞引力N体数值模拟的可行性。无碰撞引力N体数值模拟对研究星系、暗物质晕以及宇宙大尺度结构的形成和演化有重要意义。无碰撞引力N体数值模拟的传统方法在大规模问题上的模拟计算非常耗时,其中PM-Tree方法的主要耗时部分是求解势能。使用深度神经网络代替传统方法加速求解泊松(Poisson)方程,多次调整并训练和测试深度神经网络模型结构,最终选用辅以残差网络局部结构的编码-解码器(Encoder-Decoder)整体结构。验证了深度神经网络解泊松方程的计算时间复杂度为O(N)。同样数据下进行测试,速度高于快速傅里叶变换法和有限差分法求解;在同等采样率的情况下,精度优于快速傅里叶变换法求解,并且具有可扩展性。无碰撞引力N体数值模拟中,用深度神经网络可以提高PM-Tree方法中求解势能的速度,从而有效提高整体模拟速度。

大数据时代的天文学研究

天文学已经进入数据密集型时代或者说大数据时代.面对海量天文数据在存储、计算、网络、软件、算法乃至工作模式等方面的需求和挑战,天文学家连同计算机和信息技术领域的专家正努力使基于科学数据的知识发现过程变得更加容易.虚拟天文台旨在实现科学数据的互操作,打造一个全球性的数据网格.天文信息学则从分支学科的高度来考虑天文学的长远发展.数据挖掘和知识发现在数据密集型时代大有可为,自身也必将获得长足发展.本文简要论述天文学研究在数据密集型时代所面临的挑战,介绍虚拟天文台理念和最新进展,探讨天文信息学发展的必要性和所包含的研究内容,阐明数据挖掘和知识发现的必要性和发展方向.

基于SCI论文的学科领域研究发展态势与国际地位分析——以我国天文学领域为例

基于SCI论文的机构研究发展态势与竞争力研究是分析我国某一学科领域发展现状和竞争力的重要分析点。从论文产出、国际合作与论文发展竞争等方面设计相关指标,从不同侧面构建基于SCI论文的领域研究发展态势与国际地位的分析方法,并以我国天文学为例进行阐释,为相关科技决策部门提供政策制定、资金支持等方面的决策依据。利用Web of Science数据库、ESI数据库开展文献计量分析,获得我国天文台SCI论文产出(1990-2014)、王冠指数、f指数等指标,并与世界其他不同层次的机构进行对比,分析我国天文台SCI论文产出发展态势和国际竞争力,寻找与国外类似研究机构相比的优势与差距。