从单宽带图像中打破星体光谱分类的退化性
天体物理仪器与方法
2025-02-19 v1
摘要
宽场图像中观测星体的光谱能分布 (SED) 对染色点扩散函数 (PSF) 的建模方法至关重要，这些方法将未分辨的星体作为 PSF 在视场内跨越的集成光谱样本。对于弱引力透镜研究尤为重要，因为精确的 PSF 建模是获取准确剪切度测量的关键。先前的研究表明，可通过机器学习分类算法从低分辨率观测中推断星体的 SED。然而，PSF 大小（在视场内可发生显著变化）与星体光谱类型的间隔性导致此类方法存在强烈限制。我们提出了一种新的 SED 分类方法，通过使用初步 PSF 模型来包含星体光谱信息，从而打破这种退化性并提高分类准确度。该方法涉及计算观测星体与在不同波长处的初步 PSF 模型之间的一组相似性特征，并将其用于支持向量机分类，以将观测星体分类为特定星体类别。该方法实现了 91% 的 top-two 准确率，超越不考虑 PSF 光谱变化的机器学习方法。此外，我们还考察了 PSF 建模误差对星体光谱分类准确度的影响。
引用
@article{arxiv.2501.16151,
title = {Breaking the degeneracy in stellar spectral classification from single wide-band images},
author = {Ezequiel Centofanti and Samuel Farrens and Jean-Luc Starck and Tobias Liaudat and Alex Szapiro and Jennifer Pollack},
journal= {arXiv preprint arXiv:2501.16151},
year = {2025}
}