基于人工神经网络分析HSC-SSP高分辨深图中银河尘埃纤维
星系天体物理
2026-03-04 v2
摘要
银河光学尘埃的存在，对观测我银河系内的微弱天体以及遥远银河系外的微弱结构构成了挑战。为调查HSC-SSP DR3（Hyper Suprime-Cam Subaru Strategic Program public data release 3）数据集中 individual尘埃纤维，我们采用基于卷积神经网络和集成学习的技术。该方法允许我们在整个HSC-SSP范围内区分尘埃纤维与前景和背景天体，涵盖g、r和i波段的光学图像。与使用深Sloan Digital Sky Survey Stripe~82（SDSS Stripe~82）数据进行的前期工作进行比较显示，本研究识别的尘埃云在重叠的观测区域内位置高度一致。然而，在更深的HSC-SSP数据集中，我们检测到的尘埃云数量增加了4.5倍。本研究表明，HSC-SSP coadd图像的天空背景存在过度减除，这一结论基于尘埃纤维及其周围区域的表面亮度分布。以 为表面亮度的天体靠近大型纤维，可能因在r波段减除0.5个magnitude而被淡化。这表明，在估计天空背景的算法中应考虑尘埃云的存在。为实用性，我们提供一套纤维目录以及一个允许训练神经网络模型以分割HSC-SSP coadd图像中尘纹的框架。
引用
@article{arxiv.2602.09779,
title = {Analysis of Galactic cirrus filaments in HSC-SSP high-resolution deep images using artificial neural networks},
author = {Denis M. Poliakov and Anton A. Smirnov and Sergey S. Savchenko and Alexander A. Marchuk and Aleksandr V. Mosenkov and Vladimir B. Ilin and George A. Gontcharov and Daria G. Turichina and Andrey D. Panasyuk},
journal= {arXiv preprint arXiv:2602.09779},
year = {2026}
}
备注
34 pages, 21 figures. This is a preprint of the article accepted for publication in Astronomy and Computing (Elsevier). The final published version is available at DOI: https://doi.org/10.1016/j.ascom.2026.101075