Publicación:
Towards spectral super-resolution in solar absorption lines from pseudomonochromatic images

Vista sencilla de ítem
dc.contributor.authorNasser-Eddine López, Fernando Husseín
dc.contributor.directorRodríguez Gil, Pablo
dc.contributor.directorSarro Baro, Luis Manuel
dc.date.accessioned2024-09-12T06:24:39Z
dc.date.available2024-09-12T06:24:39Z
dc.date.issued2024-06
dc.descriptionDepartamento de Astrofísica
dc.description.abstractEn este proyecto de fin de grado (PFG), exploramos la viabilidad de aplicar t´ecnicas modernas de aprendizaje profundo para abordar el desafío de la superresolución espectral. Nos centramos en un conjunto de 21 imágenes de alta resolución que representan diferentes longitudes de onda en la línea de absorción de hierro neutro(Fe i λ6302) en 6302 ˚A de la fotosfera del Sol. Partiendo del estado del arte en técnicas de regresión de imágenes, tales como SINusoidal REpresentation Networks (SIREN) y Fourier Features, nuestro primer objetivo fue seleccionar la arquitectura que ofreciera la mejor aproximación de nuestras imágenes solares utilizando la métrica de la relación señal-ruido (PSNR). Tras lograr resultados comparables con estos estudios, dimos un paso adicional y extendimos la funcionalidad de la arquitectura al espacio completo de nuestro conjunto de datos incluyendo la longitud de onda para cada píxel de nuestras imágenes, es decir, I(x, y, λ). Esto nos permitió generar imágenes en longitudes de onda intermedias a las 21 originales usando un neural field. En este PFG no solo confirmamos la eficacia de las técnicas de aprendizaje profundo en la aproximación de imágenes pseudomonocromáticas de alta calidad, sino que también extendemos estos métodos al dominio de la superresolución espectral. Al hacerlo, contribuimos a futuras investigaciones que podrían mejorar la forma en que capturamos y procesamos datos espectrales para su uso en multitud de campos desde la astrofísica a la biomedicina.es
dc.description.abstractIn this Bachelor’s Degree Final Project (PFG), we explored the feasibility of applying modern deep learning techniques to address the challenge of spectral super-resolution. We focused on a set of 21 high-resolution images representing different wavelengths in the absorption line of neutral iron (Fe i λ6302) at 6302 ˚A of the Sun’s photosphere. Starting from the state-of-the-art in image regression techniques, such as SINusoidal REpresentation Networks (SIREN) and Fourier Features, our first objective was to select the architecture that offered the best approximation of our solar images using the signal-to-noise ratio (PSNR) metric. After achieving comparable results with these studies, we took an additional step and extended the functionality of the architecture to the complete space of our dataset including the wavelength for each pixel of our images, i.e., I(x, y, λ). This allowed us to generate images at intermediate wavelengths to the original 21 using a neural field. In this PFG, we not only confirmed the efficacy of deep learning techniques in the approximation of high-quality pseudomonochromatic images but also extended these methods to the domain of spectral super-resolution. By doing so, we contribute to future research that could improve the way we capture and process spectral data for use in a multitude of fields from astrophysics to biomedicine.en
dc.identifier.citationNasser-Eddine López, Fernando Husseín (2024) Towards spectral super-resolution in solar absorption lines from pseudomonochromatic images. Trabajo Fin de Grado. Universidad de Educación a Distancia (UNED)
dc.identifier.urihttps://hdl.handle.net/20.500.14468/23711
dc.language.isoen
dc.publisherUniversidad de Educación a Distancia (UNED)
dc.relation.centerFacultades y escuelas::E.T.S. de Ingeniería Informática
dc.relation.degreeGrado en Ingeniería Informática
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/deed.es
dc.subject12 Matemáticas::1203 Ciencia de los ordenadores ::1203.17 Informática
dc.subject.keywordsFísica solares
dc.subject.keywordsprocesamiento de imágeneses
dc.subject.keywordssuperresolución espectrales
dc.subject.keywordsinteligencia artificiales
dc.subject.keywordsvisión artificiales
dc.subject.keywordsaprendizaje profundoes
dc.subject.keywordsredes neuronaleses
dc.subject.keywordscampos neuraleses
dc.subject.keywordsreconstrucción de imágeneses
dc.subject.keywordsregresión de imágeneses
dc.subject.keywordsredes implícitas sinusoidales (SIREN)es
dc.subject.keywordscaracterísticas de Fourieres
dc.subject.keywordsSolar physicses
dc.subject.keywordsimage processinges
dc.subject.keywordsspectral super-resolutiones
dc.subject.keywordsartificial intelligencees
dc.subject.keywordscomputer visionen
dc.subject.keywordsdeep learningen
dc.subject.keywordsneural networksen
dc.subject.keywordsneural fieldsen
dc.subject.keywordsimage reconstructionen
dc.subject.keywordsimage regressionen
dc.subject.keywordssinusoidal representation networks (SIREN)en
dc.subject.keywordsFourier featuresen
dc.titleTowards spectral super-resolution in solar absorption lines from pseudomonochromatic imagesen
dc.typeproyecto fin de carreraes
dc.typebachelor thesisen
dspace.entity.typePublication
Archivos
Bloque original
Mostrando 1 - 1 de 1
Miniatura
Nombre:
Nasser_Eddine_Lopez_Fernando_H_TFG.pdf
Tamaño:
19.42 MB
Formato:
Adobe Portable Document Format
Descargar
Colecciones
Trabajos de fin de grado (TFG)