Astronomical images quality assessment
Loading...
Date
2025
Authors
Цвєткова, Анна
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
У цій кваліфікаційній роботі проведено комплексне дослідження сучасних методів безреференсної (NR-IQA) оцінки якості астрономічних зображень у контексті задачі автоматичного виявлення гравітаційних лінз. На відміну від традиційних підходів, що базуються на наявності ідеального еталонного зображення, зосереджено увагу на моделях, здатних відображати наукову значущість зображення без зразків — що є критично важливим у контексті реальних астрономічних спостережень, зокрема отриманих через open source проєкти. У першій частині роботи наведено теоретичні засади Image Quality Assessment (IQA) методів, включно з оглядом сучасних моделей: як класичних, так і глибоких нейронних мереж, з адаптацією до специфіки астрономічних даних (PSF, шум, FWHM, фонові варіації). Окрему увагу приділено методології трансферного навчання та використанню попередньо тренованих за допомогою Full Reference (FR) метрик моделей для оцінки зображень у реальному часі. Друга частина містить опис проведених експериментів: від побудови адаптивної системи зважування метрик (FWHM, SNR, ellipticity) до кореляційного аналізу між результатами моделей NR-IQA та ефективністю виявлення гравітаційних лінз. Також запропоновано власну гібридну метрику для оцінки якості, що узгоджується з візуальною експертизою астрономів, та показано її переваги у задачах відбору пріоритетних кандидатів для подальшого моделювання лінз. Результати роботи демонструють, що навіть за відсутності точної ground truth NR-IQA моделі можуть забезпечувати релевантні оцінки якості, корисні для автоматизованого аналізу великих масивів астрономічних зображень. Запропонований підхід дозволяє не лише фільтрувати спотворені дані, але й підвищити recall систем гравітаційного лінзування за рахунок покращення вхідної якості даних.
Description
Keywords
IQA, NR-IQA, астрономічні зображення, гравітаційні лінзи, Euclid, повнозв’язні мережі, CNN, DL, FWHM, трансферне навчання, класифікація без референсу, метрики якості зображень, бакалаврська робота