利用深度学习提升中国历史天文数字板的测距注册精度
天体物理仪器与方法
2026-04-16 v2
摘要
中国自 1900 年起系统收集夜间天文版图，形成了庞大的历史数据集，并通过光学扫描仪完成数字化。在对这些数字化版图进行测距注册时，首先使用 SExtractor 提取源，然后与 Astrometry.net 和 Gaia 目录进行测距匹配。然而，最初的储存条件不佳以及后续的环境恶化，导致准确的源匹配困难，数千幅数字化版图处理失败。本文引入了基于 Transformer 的分类模型，该模型以 SExtractor 检测到的源 cutout 为输入，并利用多尺度特征融合来识别版图上可靠的星源。该 AI 基于分类器在经 astrometric 校准成功的版图上训练后，应用到 1883 幅数字化版图的 SExtractor 检测源上，使我们能够完成 1353 幅版图的测距注册。该 AI 增强的管道简化了历史版图档案的处理，并提高了其在长期时域天文研究中的科学价值。
引用
@article{arxiv.2604.04714,
title = {Enhancing astrometric registration of Chinese historical Astronomical Digital Plates with deep learning},
author = {Quanfeng Xu and Zhengjun Shang and Shiyin Shen and Yong Yu and Meiting Yang and Hao Luo and Zhenghong Tang and Jing Yang and Jianhai Zhao},
journal= {arXiv preprint arXiv:2604.04714},
year = {2026}
}
备注
15 pages, 5 figures, 3 table; accepted for publication in Research in Astronomy and Astrophysics, see details in https://xuquanfeng.github.io/AI_Plate/