利用人工神经网络改进无大气天体光度建模
天体物理仪器与方法
2021-08-30 v3 地球与行星天体物理
摘要
通过了解亮度对照明和观测几何的依赖性，可以推断出无大气天体表面诸如孔隙率、颗粒尺寸或粗糙度等物理性质的相关信息。此外，这一知识对于标准化或光度校正不同照明条件下获取的数据是必要的。在这项工作中，我们开发了一种鲁棒、自动且高效的光度建模方法，并使用OSIRIS-REx航天器的MapCam相机获取的贝努（Bennu）图像进行了测试和验证。它由一个通过人工神经网络的监督机器学习算法组成。我们的系统对所有彩色滤光片提供了比已发表的先前流程更精确的建模，相比这一经典方法改进高达14.30%，并大幅减少了计算时间。
引用
@article{arxiv.2106.01363,
title = {Using artificial neural networks to improve photometric modeling in airless bodies},
author = {J. L. Rizos and A. Asensio-Ramos and D. R. Golish and D. N. DellaGiustina and J. Licandro and J. de León and H. Campins and E. Tatsumi and M. Popescu},
journal= {arXiv preprint arXiv:2106.01363},
year = {2021}
}