使用生成对抗网络的高分辨率太阳图像生成
摘要
我们应用称为生成对抗网络（GANs）的深度学习算法来执行太阳图像到图像的转换。即从 Solar Dynamics Observatory (SDO)/Helioseismic and Magnetic Imager (HMI) 视线磁图图像到 SDO/Atmospheric Imaging Assembly (AIA) 0304-{\AA} 图像。像 SDO/AIA0304-{\AA} 图像这样的紫外(UV)/极紫外(EUV)观测仅在 1990 年代末才提供给科学家，尽管像 SDO/HMI 这样的磁场观测自 1970 年代以来就已可用。因此，通过利用像 GANs 这样的深度学习算法，我们可以让科学家获得用于分析的完整数据集。为生成高分辨率太阳图像，我们使用 Pix2PixHD 与 Pix2Pix 算法。Pix2PixHD 算法专为高分辨率图像生成任务设计，而 Pix2Pix 算法是迄今为止使用最广泛的图像到图像转换算法。对于训练与测试，我们使用了 2012、2013 和 2014 年的数据。结果显示我们的深度学习模型能够从 HMI 磁图生成高分辨率（1024 x 1024 像素）的 AIA0304 图像。具体而言，由 Pix2PixHD 生成的图像与原始图像的逐像素 Pearson 相关系数高达 0.99。若使用 Pix2Pix 生成图像，该数值为 0.962。我们的 Pix2PixHD 模型所得结果优于他人此前生成 AIA0304 图像的工作。因此，当 AIA0304 数据不可用时，我们可以使用这些模型生成 AIA0304 图像，用于理解空间天气并赋予研究者预测太阳事件（如太阳耀斑与日冕物质抛射）的能力。据我们所知，我们的工作是首次尝试利用 Pix2PixHD 算法进行 SDO/HMI 到 SDO/AIA0304 的图像到图像转换。
引用
@article{arxiv.2106.03814,
title = {High Resolution Solar Image Generation using Generative Adversarial Networks},
author = {Ankan Dash and Junyi Ye and Guiling Wang},
journal= {arXiv preprint arXiv:2106.03814},
year = {2021}
}
备注
10 pages, 3 figures