基于DCGAN的高分辨率天文图像生成研究

为生成分辨率大于等于256×256的恒星和星系图像,帮助预测未知的恒星和星系,采用了深度卷积对抗生成网络(DCGAN)以及改进的神经元抛弃方法。通过研究对抗生成网络(GAN)的结构,优化了图像生成模型和训练过程,得到了稳定的能够生成高分辨率的恒星和星系图像生成模型。为了验证上述方法的有效性,在实验中采用了斯隆数字巡天数据库(SDSS)中的图像作为训练图像,生成了256×256以及512×512两种高分辨率的恒星和星系图像,并将结果与采用GAN生成的结果进行了对比。实验结果证明上述算法有效可行,能够在保证模型稳定性的前提下,生成清晰度更高的高分辨率恒星和星系图像。