POLISH 星空：宽场域高动态范围干涉仪图像重建及其在强引力透镜发现中的应用
天体物理仪器与方法
2026-03-11 v1 计算机视觉与模式识别
图像与视频处理
摘要
射电干涉仪通过合成大型有效孔径和求解脱卷积问题来实现对天体射电源的高分辨率成像。深度学习作为解决成像问题的新兴方法，显著降低了计算成本并实现超分辨率。然而，现有的深度学习方法在处理高动态范围、宽视场范围以及训练与测试条件之间的不匹配方面，难以满足实际部署需求。本文基于最近提出的 POLISH 框架进行扩展和改进。我们引入了关键改进，以适应实际条件下的稳健重建和超分辨率：（1）针对宽场图像的分块训练与拼接策略；（2）用于管理高动态范围的非线性 arcsinh 强度转换。我们使用包含真实天模型和点光谱函数（PSF）的 T-RECS 模拟套件进行了全面评估，证明了我们方法在重建质量和鲁健性方面的显著提升。我们在真实模拟的强引力透镜上进行测试，表明在 POLISH 模型进行脱卷积后，光度尺度接近 PSF 尺度的透镜系统可被恢复，潜在可从 Deep Synoptic Array（DSA）调查中获得约 10 倍多的星系-星系引力透镜系统。我们的结果凸显了深度学习模型作为下一代射电天文学实用、可扩展工具的潜力。
引用
@article{arxiv.2603.09162,
title = {POLISH'ing the Sky: Wide-Field and High-Dynamic Range Interferometric Image Reconstruction with Application to Strong Lens Discovery},
author = {Zihui Wu and Liam Connor and Samuel McCarty and Katherine L. Bouman},
journal= {arXiv preprint arXiv:2603.09162},
year = {2026}
}