南大：从8G到2G，新方法助力天文图像降噪 |《自然-天文学》论文
Springer Nature约 2 分钟近期来自南京大学、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。
论文表1：HMI的初始视向磁图与其降噪图像对比。
扫码阅读论文
通讯作者：Tie Liu、Yang Guo（南京大学），Yuhui Quan（华南理工大学），Yingna Su（中国科学院紫金山天文台）
第一作者：Tie Liu（南京大学）
DOI：10.1038/s41550-025-02484-z
发表日期：2025年2月21日
《自然-天文学》
2023 Journal Metrics
影响因子：13.3
五年影响因子：12.9
学科排名：4/84，天文学与天体物理学
引用量：10,010
下载量：717,545
*数据来源：2023年Journal Citation Reports, Clarivate Analytics 2024和期刊官网
《自然》系列期刊产品试用申请
Nature Portfolio期刊是多学科研究和综述期刊的合集，自1869年起一直致力于理解、 探讨和分享科学。《自然》系列期刊目前包含40种《自然》系列研究期刊，涵盖生命科学、物理科学、临床医学和社会科学领域，以及26种《自然综述》系列期刊，为您提供权威、易于理解、意义重大的综述内容。
▲ 如果您对《自然》系列期刊产品感兴趣，愿意推荐您所在的院校或机构申请试用，欢迎扫码提交表单申请。
欢迎扫描图片二维码或点击“阅读原文”了解《自然》及其系列期刊。
版权声明：本文由施普林格∙自然上海办公室负责整理翻译。中文内容仅供参考，一切内容请以英文论文为准。欢迎转发分享本文，如需转载，请留言或联系[email protected]。
© 2025 Springer Nature Limited. All Rights Reserved