DoG-HiT：一种新颖的 VLBI 多尺度成像方法
摘要
从傅里叶域（uv 覆盖）稀疏采样的甚长基线干涉测量（VLBI）数据中重建图像，构成一个不适定的反卷积问题。这需要应用鲁棒算法，最大化从所有采样的空间尺度中提取信息，并最小化未采样尺度对图像质量的影响。我们开发了一种新的多尺度小波反卷积算法 DoG-HiT，用于对稀疏采样的干涉测量数据进行成像，该算法结合了高斯差分（DoG）小波和硬图像阈值处理（HiT）。基于 DoG-HiT，我们提出了一种用于干涉测量数据分析的多步骤成像流程。DoG-HiT 通过采用灵活的 DoG 小波字典，将压缩感知方法应用于成像，该字典旨在平滑地适应 uv 覆盖。它仅在初始阶段使用闭合性质作为数据保真度项，并通过保振幅和保总流量的硬阈值分裂法执行非凸、非光滑优化。DoG-HiT 计算多分辨率支撑作为副产品。最终重建通过自校准循环和仅对多分辨率支撑应用振幅和相位信息的成像进行精化。我们使用合成数据展示了 DoG-HiT 的稳定性，并将其性能与使用 CLEAN 和正则化最大似然（RML）方法进行的图像重建进行了基准测试。比较表明，DoG-HiT 达到了 RML 重建所实现的超分辨率，并超越了 CLEAN 对延展发射的灵敏度。将配备灵活多尺度小波字典的正则化最大似然方法应用于干涉测量数据成像，其性能可与最先进的凸优化成像算法相媲美，并且需要更少的先验和用户定义的约束。
引用
@article{arxiv.2206.09501,
title = {DoG-HiT: A novel VLBI Multiscale Imaging Approach},
author = {Hendrik Müller and Andrei Lobanov},
journal= {arXiv preprint arXiv:2206.09501},
year = {2022}
}
备注
20 pages, 11 Figures, accepted for publication in A&A, the imaging software underlying this work will be made publicly available soon under the link https://github.com/hmuellergoe/mrbeam