射电干涉测量中可扩展的精密宽场成像：II. 在 ASKAP 数据上验证 AIRI
天体物理仪器与方法
2023-09-11 v2 机器学习
图像与视频处理
信号处理
摘要
作为第一篇的续篇，本文详述了近期提出的射电干涉成像正则化人工智能（AIRI）算法在澳大利亚平方公里阵列探路者（ASKAP）观测数据上的验证。本工作中展示的单色 AIRI-ASKAP 图像使用第一篇“在 ASKAP 数据上验证 uSARA”中描述的相同并行化与自动化成像框架形成。AIRI 采用即插即用（Plug-and-Play）方法，在反卷积的前向后向算法正则化步骤中，以训练的去噪深度神经网络（DNN）替代近端算子，从而区别于 uSARA。我们构建了一个训练好的 DNN 去噪器库，其针对所选数据的估计图像动态范围。此外，我们量化了选择库中最近 DNN 与使用具有最高动态范围的通用 DNN 时 AIRI 重建的差异，从而为不仅提供图像估计还能量化认知模型不确定性的更完整框架打开大门。我们继续对 AIRI 与第一篇中算法——uSARA 和 WSClean——所成像的所选目标源的源结构、弥散流量测量和谱指数图进行比较分析。总体而言，我们看到 AIRI 图像在弥散成分重建上优于 uSARA 和 WSClean。AIRI 所展现的科学潜力体现在进一步的成像精度、更精确的谱指数图以及反卷积时间的显著加速，其中 AIRI 比其基于稀疏性的子迭代对应算法 uSARA 快四倍。
引用
@article{arxiv.2302.14149,
title = {Scalable precision wide-field imaging in radio interferometry: II. AIRI validated on ASKAP data},
author = {Amanda G. Wilber and Arwa Dabbech and Matthieu Terris and Adrian Jackson and Yves Wiaux},
journal= {arXiv preprint arXiv:2302.14149},
year = {2023}
}
备注
Accepted for publication in MNRAS