$\beta$-SGP：基于$\beta$-散度与尺度化梯度投影的天文图像复原方法
天体物理仪器与方法
2023-09-14 v3
摘要
天文学中的图像复原在许多地基观测项目中被视为关键步骤，这些项目常因大气湍流导致次优视宁度、仪器像差导致星体形状畸变、拖尾及其他问题而受影响。它对多种任务具有重要意义：改进天体测量、重叠源去混合、暗弱源探测，以及识别靠近明亮延展天体（如星系）附近的点源等。我们通过将尺度化梯度投影（SGP）迭代图像去卷积算法应用于观测数据中以复原畸变的星体形状，开展了一项实证研究。我们研究使用一种更灵活的散度度量，即 -散度，它包含常用的Kullback-Leibler（KL）散度作为特例，并允许参数 对数据自动适配。我们在提取的星图和含多星图像（包括拥挤与相对稀疏视场）上，对SGP及其 -散度变体（-SGP）的性能进行了大量对比实验。我们表明，在所有考虑的场景中，-SGP 相比SGP在流量守恒上有一致提升。利用如恒星半高全宽（FWHM）和椭率等若干可量化指标，我们观察到 -SGP 在许多情况下较SGP提升了复原质量，而在其他情况下仍保持复原质量。我们得出结论：图像复原算法的广义版本因其增强的灵活性而更具鲁棒性，并可能成为天文图像复原的一种有前景的改进。
引用
@article{arxiv.2207.10973,
title = {$\beta$-SGP: Scaled Gradient Projection with $\beta$-divergence for astronomical image restoration},
author = {Yash Gondhalekar and Margarita Safonova and Snehanshu Saha},
journal= {arXiv preprint arXiv:2207.10973},
year = {2023}
}
备注
Submitted to Astronomy and Computing