基于机器学习算法的龙虾眼X射线望远镜目标探测框架
天体物理仪器与方法
2023-02-08 v1 高能天体物理现象
计算机视觉与模式识别
摘要
龙虾眼望远镜是探测 X 射线暂现源的理想监测设备，因为它们可在 X 射线波段以宽视场观测天体。然而，龙虾眼望远镜所获图像受其独特点扩散函数影响，难以设计高效率的目标探测算法。本文集成若干机器学习算法，为龙虾眼望远镜数据构建目标探测框架。该框架首先依据探测器上光子的位置生成两张不同像素尺度的二维图像，随后基于形态学操作的算法与两个神经网络用于从这些二维图像中探测不同流量的天体候选体，最后采用随机森林算法从先前步骤所得候选体中挑出最终探测结果。使用爱因斯坦探针上宽视场 X 射线望远镜的模拟数据测试，我们的探测框架对流量大于 3 mCrab（9.6 * 10-11 erg/cm2/s）的目标可实现超过 94% 纯度和超过 90% 完备度，对更低流量目标在可接受时间成本下可实现超过 94% 纯度和中等完备度。本文提出的框架可为其他龙虾眼 X 射线望远镜的数据处理方法提供参考。
引用
@article{arxiv.2212.05497,
title = {Target Detection Framework for Lobster Eye X-Ray Telescopes with Machine Learning Algorithms},
author = {Peng Jia and Wenbo Liu and Yuan Liu and Haiwu Pan},
journal= {arXiv preprint arXiv:2212.05497},
year = {2023}
}
备注
Accepted by the APJS Journal. Full source code could be downloaded from the China VO with DOI of https://doi.org/10.12149/101175. Docker version of the code could be obtained under request to the corresponding author