结构化背景上的测光：基于回归的局部逐像素填补

测光流水线难以在丝状结构或云等结构化背景存在时估计恒星的流量与流量不确定度。然而，正是这些复杂区域内的恒星对理解恒星形成与星际介质结构至关重要。我们发展了一种类似于高斯过程回归的方法，称之为局部逐像素填补（LPI）。利用局部协方差估计，我们预测每颗恒星背后的背景及该预测的不确定度，以改进流量与流量不确定度的估计。我们在合成数据与真实尘埃场中展示了模型的有效性。我们进一步证明该方法即使在拥挤场极限下也稳定。虽然我们聚焦于光学-红外测光，该方法并不限于那些波长。我们将此技术应用于暗能量相机平面巡天（DECaPS2）第二次数据发布的340亿个探测源。除了消除许多 $>3\sigma$ 异常值并将星云场上的不确定度估计改进 $\sim 2-3$ 倍外，我们还表明我们的方法在未被拥挤的场上表现良好。我们所实现的LPI测光完全后处理的性质使其能轻易改进过去及未来巡天的流量与流量不确定度估计。