拥挤的星团核心：暗能量巡天图像中的去混合算法
天体物理仪器与方法
2015-12-03 v2
摘要
深空光学图像中常充斥着重叠的天体。这一点在星系团核心区域尤为显著，数十个星系的图像可能相互叠加。为了准确测量星团性质，需要去混合算法来自动提取单个天体列表，并判定每个像素中的光有多少比例来自各个天体。我们提出了一款名为“基于梯度与插值的去混合器”（Gradient And INterpolation based deblender, GAIN）的新软件，作为辅助去混合工具以改进星团核心图像的去混合效果。该软件利用图像强度梯度，并采用一种通常用于校正有缺陷的地面数字图像的图像插值技术。我们在暗能量巡天（Dark Energy Survey）的叠加图像上测试了该软件。GAIN 有助于提取无偏的光度测量结果，同时提高探测完备性，且仅引入少量的虚假探测。例如，当应用于模拟的高难度去混合深空图像时，对于亮于 25.3 星等极限星等 10 倍的天体，该软件将探测完备性从 91% 提升至 97%。我们预期该软件将成为星团种群测量的有用工具。
引用
@article{arxiv.1409.2885,
title = {Crowded Cluster Cores: Algorithms for Deblending in Dark Energy Survey Images},
author = {Yuanyuan Zhang and Timothy A. McKay and Emmanuel Bertin and Tesla Jeltema and Christopher J. Miller and Eli Rykoff and Jeeseon Song},
journal= {arXiv preprint arXiv:1409.2885},
year = {2015}
}
备注
Published on PASP