一种利用机器学习技术对系外行星候选体图像进行去噪的可能转换器
地球与行星天体物理
2023-01-12 v1 天体物理仪器与方法
机器学习
摘要
直接成像法已探测到许多系外行星，并为行星形成领域作出了重要贡献。标准方法采用角差分成像（ADI）技术，更多的ADI图像帧可得到信噪比（SNR）更大的结果。然而，这需要占用大型望远镜宝贵的观测时间，而大型望远镜的观测时间总是供不应求的。因此我们探索构建一种转换器的可能性，该转换器能从较少数量的ADI帧中提高SNR。本文测试了基于二维卷积神经网络（2D-CNN）的机器学习技术。我们训练了若干2D-CNN模型，展示并比较了它们的去噪性能。研究发现，我们提出的结合残差学习技术与批量归一化的改进五层宽推理网络（MWIN5-RB）能给出最佳结果。我们得出结论：该MWIN5-RB可作为未来观测数据的转换器使用。
引用
@article{arxiv.2301.04292,
title = {A Possible Converter to Denoise the Images of Exoplanet Candidates through Machine Learning Techniques},
author = {Pattana Chintarungruangchai and Ing-Guey Jiang and Jun Hashimoto and Yu Komatsu and Mihoko Konishi},
journal= {arXiv preprint arXiv:2301.04292},
year = {2023}
}
备注
30 pages, 12 figures, 1 table, published by New Astronomy