基于混合专家与物理启发神经网络的快速移动天体自适应检测

快速移动天体以其在天球面上的速度显著不同于背景星体的运动著称。在观测图像中，这些天体呈现出与星体典型外观截然不同的形状。 Depending on the observational method employed, these celestial entities may be designated as near-Earth objects or asteroids. 历史上，快速移动天体主要通过地面天文台进行观测，其中星体和地球的相对稳定性促进了有效的图像差分技术以及传统的快速移动天体检测和分类算法。然而，随着太空望远镜日益普及且其观测模式日益多样化，产生的图像性质不同，传统方法效果下降。本文提出了一种用于检测星场中快速移动天体的新型算法。我们的方案通过将物理启发式神经网络转化为物理启发式神经网络来增强最先进的快速移动天体检测神经网络。这些神经网络利用望远镜的点扩散函数和特定观测模式作为先验信息；它们可以直接在星场中识别快速移动天体，无需额外训练，从而解决传统技术的局限性。此外，所有神经网络均集成了混合专家技术，形成一个综合性的快速移动天体检测算法。我们使用模拟观测数据进行评估，该数据模拟了各种太空望远镜场景下的观测，以及真实观测图像。结果表明，该方法在不同观测模式下有效检测快速移动天体。