基于混合域注意力机制的神经网络反演大气湍流强度

作     者：张宝银 尹伟石 孟品超 周林华 齐德全 ZHANG Baoyin;YIN Weishi;MENG Pinchao;ZHOU Linhua;QI Dequan

作者机构：长春理工大学数学与统计学院吉林长春130022 

出 版 物：《复旦学报（自然科学版）》 (Journal of Fudan University：Natural Science)

年 卷 期：2024年第63卷第2期

页      面：230-235页

学科分类：07[理学] 070102[理学-计算数学] 0701[理学-数学] 

基　　金：吉林省自然科学基金(20220101040JC) 

主　　题：混合域注意力机制 折射率结构常数 湍流强度反演 退化图像 

摘      要：本文提出了一种基于混合域注意力机制的神经网络方法反演大气湍流强度。神经网络的输入为不同大气湍流强度下的退化图像,输出为表征大气湍流强度的折射率结构常数。混合域注意力机制由空间域和通道域双重注意力机制组成,其中空间域注意力机制用于增强退化图像中受湍流影响的区域特征,通道域注意力机制用于增强由湍流引起的颜色和纹理特征。在网络训练阶段,引入的混合域注意力机制让神经网络更专注于退化图像中与大气湍流强度相关的特征,提高了模型的精度。数值实验结果表明,本文提出的方法能够较准确地实现大气湍流强度反演。