基于深度学习的星像定心：HST/WFPC2图像
天体物理仪器与方法
2023-05-24 v1
摘要
我们构建并测试了一种深度学习（DL）算法，用于确定HST/WFPC2在F555W和F814W滤光片下曝光图像中星像的中心。这些档案观测对自行研究极具潜力，但相机探测器的欠采样给传统定心算法带来挑战。两组精美的、包含该滤光片下星团NGC 104超过600张曝光的数据库被用作DL代码训练和评估的试验台。结果表明，单次测量标准误差为8.5至11毫像素（mpix），取决于探测器和滤光片。这优于WFPC2图像常用的“有效PSF”定心程序所达到的约 mpix。重要的是，使用DL方法基本消除了像素相位误差。当前测试限于每个探测器的中心区域；在未来的研究中，DL代码将被修改以考虑已知的PSF在探测器上的变化。
引用
@article{arxiv.2303.03346,
title = {Star-Image Centering with Deep Learning: HST/WFPC2 Images},
author = {Dana I. Casetti-Dinescu and Terrence M. Girard and Roberto Baena-Galle and Max Martone and Kate Schwendemann},
journal= {arXiv preprint arXiv:2303.03346},
year = {2023}
}
备注
accepted for publication by PASP