基于深度神经网络与校准数据的广视场小口径望远镜点扩散函数估计
天体物理仪器与方法
2021-07-07 v2 星系天体物理
太阳与恒星天体物理
计算机视觉与模式识别
摘要
点扩散函数(PSF)反映望远镜状态,并在基于 PSF 的天体测量、测光与图像复原等数据处理方法的发展中起着重要作用。然而,对于广视场小口径望远镜(WFSATs),由于光学系统引起的像差十分复杂,且星图信噪比常过低而不利于 PSF 估计,在全视场任意位置估计 PSF 是困难的。本文进一步发展了我们基于深度神经网络(DNN)的 PSF 建模方法,并展示其在 PSF 估计中的应用。在望远镜装调与测试阶段,我们的方法通过工程容差内光学元件的改动(倾斜与偏心)来采集系统校准数据。随后我们用这些数据训练一个 DNN(Tel–Net)。训练后,Tel–Net 可从若干离散采样的星图估计视场中任意位置的 PSF。我们使用模拟与实验数据测试本方法性能。结果表明,Tel–Net 能成功重构任意状态及视场(FoV)中任意位置的 WFSAT 的 PSF,其结果显著优于所对比的经典方法——反距离权重(IDW)插值。我们的方法为发展需要强 PSF 先验信息的、基于深度神经网络的 WFSAT 数据处理方法提供了基础。
引用
@article{arxiv.2011.10243,
title = {Point Spread Function Estimation for Wide Field Small Aperture Telescopes with Deep Neural Networks and Calibration Data},
author = {Peng Jia and Xuebo Wu and Zhengyang Li and Bo Li and Weihua Wang and Qiang Liu and Adam Popowicz},
journal= {arXiv preprint arXiv:2011.10243},
year = {2021}
}
备注
Accepted by the MNRAS