一种基于PCA的星系尺度强透镜自动搜寻方法
天体物理仪器与方法
2015-06-19 v1 宇宙学与河外天体物理
摘要
我们提出了一种利用主成分分析（PCA）从成像数据中减去星系的算法，以及两种在所得残差图像中寻找强星系尺度引力透镜的算法。该组合方法经过优化，旨在发现完整或部分爱因斯坦环。从预选的大质量星系候选体开始，我们首先执行PCA以构建一组基向量。利用PCA基重建星系图像，并从数据中将其减去。然后，我们用两种不同的方法对残差图像进行滤波。第一种方法使用曲波（弯曲小波）滤波器处理残差图像，以增强任何弯曲/环状特征。所得图像以透镜星系中心为原点变换到极坐标。在这些坐标中，环被转换为一条线，使我们能够利用环（极坐标中的一条线）中的累积信噪比来探测非常微弱的环。分析PCA减除后图像的第二种方法识别残差图像中的结构，并根据其方向、多重性和伸长率评估它们是否为透镜化图像。我们将这两种方法应用于一组模拟的爱因斯坦环，模拟其在ESA Euclid卫星VIS波段下的观测结果。一旦环内累积信噪比高于30，极坐标变换方法使我们能够达到90%的完备度和86%的纯净度，且几乎与爱因斯坦环的大小无关。最后，我们用真实数据证明，我们基于PCA的星系减除方案优于基于模型拟合数据的传统减除方法。我们的算法可以使用机器学习和字典学习方法进一步发展和改进，这将扩展该方法处理更复杂和多样化星系形态的能力。
引用
@article{arxiv.1403.1063,
title = {A PCA-based automated finder for galaxy-scale strong lenses},
author = {R. Joseph and F. Courbin and R. B. Metcalf and C. Giocoli and P. Hartley and N. Jackson and F. Bellagamba and J. -P. Kneib and L. Koopmans and G. Lemson and M. Meneghetti and G. Meylan and M. Petkova and S. Pires},
journal= {arXiv preprint arXiv:1403.1063},
year = {2015}
}