基于大视场反卷积的天文图像叠加方法

地基望远镜在成像过程中,由于受大气湍流、望远镜静态像差、跟踪误差、指向误差及视场变化的影响,不同视场区域的PSF (Point Spread Function)具有差异;同时,不同望远镜获取的图像PSF也存在差异.将多个望远镜获取的星象直接叠加至相同的区域后,图像质量受像质最差的望远镜限制,最终观测分辨率和灵敏度均会受到影响.通过图像复原,可以提高图像质量,进而提高叠加效果.根据该思路提出了1种基于PSF分区的迭代图像复原方法:该方法首先通过SOM (Self-organizing Maps)对PSF进行聚类分析,利用同类别PSF的平均PSF进行反卷积,再将反卷积结果按PSF聚类结果分割为不同大小的子图,最后将子图进行拼接.图像复原在提高图像质量的同时,降低了PSF不一致性对图像叠加带来的影响.将几个望远镜在同一时刻获取的图像经反卷积处理之后利用图像配准算法进行矫正并叠加,可获得高信噪比图像.对实际望远镜获取的数据处理后的结果表明:图像在进行复原和叠加过程中,星象目标信噪比不断提升,提高了成像系统对暗星的探测能力.     

基于图像叠加的GEO目标探测方法

为了满足地球同步轨道(Geosynchronous Orbit,GEO)空间目标的探测要求,克服长时间曝光CCD像元出现饱和溢出的情况,提出使用多帧连续曝光图像叠加的方法,增加图像的存储范围,同时提升目标的信噪比,保证系统的探测能力.实验结果表明,利用10帧连续图像叠加的方法,可以有效消除像元饱和的情况,提升目标信噪比约3.2倍,提升探测能力近似2.5星等,且序列图像的底片常数精度可靠,用底片常数的均值计算目标位置,精度符合要求.结果验证了使用图像叠加方法探测GEO目标的可行性.     

基于机器学习的日冕仪图像分类方法研究

日冕物质抛射(Coronal Mass Ejection, CME)的检测是建立CME事件库和实现对CME在行星际传播的预报的重要前提. 通过Visual Geometry Group (VGG) 16卷积神经网络方法对日冕仪图像进行自动分类. 基于大角度光谱日冕仪(Large Angle and Spectrometric Coronagraph Experiment, LASCO) C2的白光日冕仪图像, 根据是否观测到CME对图像进行标记. 将标记分类的数据集用于VGG模型的训练, 该模型在测试集分类的准确率达到92.5%. 根据检测得到的标签结果, 结合时空连续性规则, 消除了误判区域, 有效分类出CME图像序列. 与Coordinated Data Analysis Workshops (CDAW)人工事件库比较, 分类出的CME图像序列能够较完整地包含CME事件, 且对弱CME结构有较高的检测灵敏度. 未来先进天基太阳天文台(Advanced Space-based Solar Observatory, ASO-S)卫星的莱曼阿尔法太阳望远镜将搭载有白光日冕仪(Solar Corona Imager, SCI), 使用此分类方法将该仪器产生的日冕图像按有无CME分类. 含CME标签的图像将推送给中国的各空间天气预报中心, 对CME进行预警.     

基于图像的天体搜索研究与自动化集成软件开发

天体搜索是天文数据处理流程的一个重要环节,也是以平方公里阵列射电望远镜(Square Kilometre Array, SKA)为代表的下一代射电望远镜在面向海量数据处理中的挑战之一.现今天体自动搜索算法、软件已日趋成熟并投入应用,不过在自动化、兼容性等方面仍具有提升空间.以更自动化、更适应海量数据需求的天体搜索算法研究为宗旨,以现有算法为研究基础,天体自动搜索软件系统得到设计和开发.该系统包含友好的交互式用户操作界面,具备可视化输出数据显示、兼容不同数据输入和输出并包含为实际应用服务的文件管理功能.该系统对于大天区图以及图像集,均能够很好地进行自动化处理.测试结果显示,上述方法对于天体搜索的改进有一定成效.后续将在此基础上对该集成系统做进一步的改进开发,以适应更多的需求.     

基于图像相减和随机森林的AST3巡天暂现源及变源搜寻方法

AST3-2 (Antarctic Survey Telescopes)光学巡天望远镜位于南极大陆最高点冰穹A,其产生的大量观测数据对数据处理的效率提出了较高要求.同时南极通信不便,数据回传有诸多困难,有必要在南极本地实现自动处理AST3-2观测数据,进行变源和暂现源观测的数据处理,但是受到低功耗计算机的限制,数据的快速自动处理的实现存在诸多困难.将已有的图像相减方案同机器学习算法相结合,并利用AST3-2 2016年观测数据作为测试样本,发展一套的暂现源及变源的筛选方法成为可行的选择.该筛选方法使用图像相减法初步筛选出可能的变源,再用主成分分析法抽取候选源的特征,并选择随机森林作为机器学习分类器,在测试中对正样本的召回率达到了97%,验证了这种方法的可行性,并最终在2016年观测数据中探测出一批变星候选体.     

一种新的基于2维傅里叶谱图像的恒星光谱特征提取方法和深度网络分类应用

天体光谱分类是天文学研究的重要内容之一,其关键是从光谱数据中选择和提取对分类识别最有效的特征构建特征空间.提出一种新的基于2维傅里叶谱图像的特征提取方法,并应用于LAMOST (the Large Sky Area Multi-Object Fiber Spectroscopic Telescope)恒星光谱数据的分类研究中.光谱数据来源于LAMOST Data Release 5(DR5),选取30000条F、 G和K型星光谱数据,利用短时傅里叶变换(Short-Time Fourier Transform, STFT)将1维光谱数据变换成2维傅里叶谱图像,对得到的2维傅里叶谱图像采用深度卷积网络模型进行分类,得到的分类准确率是92.90%.实验结果表明通过对LAMOST恒星光谱数据进行STFT可得到光谱的2维傅里叶谱图像,谱图像构成了新的光谱数据特征和特征空间,新的特征对于光谱数据分类是有效的.此方法是对光谱分类的一种全新尝试,对海量天体光谱的分类和挖掘处理有一定的开创意义.     

基于相位差方法的天文目标高分辨率成像研究

基于相位差方法的天文目标高分辨率成像,是利用在焦面和离焦位置上同时采集的一对或者多对短曝光图像,对目标和大气湍流引入的波前相位分布进行估计．在计算机模拟望远镜成像系统和相位差方法图像采集过程的基础上,利用信号估计和最优化理论,确定了高斯噪声模型下的目标函数,采用适合于大规模无约束优化的有限内存拟牛顿法对图像恢复问题进行了数值求解．恢复结果表明,基于相位差方法的高分辨成像技术,可以有效地克服大气湍流的影响,解决天文扩展目标的图像恢复问题．     

基于小波变换的射频干扰消除方法的研究

在射电天文观测中,射频干扰(Radio Frequency Interference, RFI)会以多种形式混入望远镜接收系统,给观测带来误判或者降低观测信噪比.近年来国内国际射电天文快速发展,国内国际大型射电望远镜和阵列先后建设,观测灵敏度大为提高,射频干扰的影响尤为突出.随着科技发展和人类活动的加剧,射频干扰日益严重且不可逆转.提出利用2维离散小波变换的方法分析射电天文观测的数据,对望远镜系统输出的时间频率序列进行小波变换,根据小波系数分离出原始信号中各分量,每个分量统计得到相应的阈值,将各分量与阈值相比较识别干扰成分并标记去除.利用该方法对实际观测数据进行了处理,结果表明该方法能够很好地标记并消减干扰信号,且提高了观测的信噪比.     

一种基于元学习的大口径射电望远镜俯仰轴承故障辨识方法研究

在经过长期运行后大口径射电望远镜俯仰轴会出现微小扭曲, 滚动轴承作为承载俯仰轴的核心部件, 也会因长期承受交变载荷增加疲劳风险, 导致轴承寿命以及望远镜指向精度的下降, 极大影响望远镜的性能. 以俯仰轴承为研究对象, 开展故障辨识方法研究, 可为望远镜天线的高性能运行提供重要支撑. 为实现在有限数据和复杂工作条件下准确地辨识俯仰轴承故障, 提出了一种小样本条件下基于元学习的故障辨识方法(Few-shot Meta-learning Fault Identification, FMFI). 首先将不同工况下的原始信号转换为时频图像数据, 之后按照元学习协议将数据样本随机采样到不同的学习任务中. 在有限样本的条件下, FMFI可以通过训练任务中的样本信息获取通用的先验知识, 在未知的测试任务下实现准确快速的故障辨识. 选取了与望远镜俯仰轴承工况具有相似性的变负载轴承数据集进行实验, 实验结果表明, FMFI方法具有很高的准确性和可靠性, 为大口径射电望远镜俯仰轴承的主动运维和高质量服役提供了有力的技术支持.     

一种基于CLEAN方法的小图像恢复快速算法

针对小分辨率图像恢复 ,分析了小分辨率图像中使用CLEAN技术的特殊性 ,并根据H¨ogbom的CLEAN技术核心思想 ,提出了对CLEAN技术的改进 ,并将改进后的CLEAN方法与其它图像恢复方法进行了比较 ,在小图像恢复的效果和算法执行速度方面都取得了较好效果。     

Research on Improving SNR of Large Angle Synchronous Satellite Based on Sub-pixel Translation and Superposition

Geosynchronous satellite with big inclination is not completely stationary relative to the ground. Its sub-satellite point moves periodically in the north-south direction with ground track of shape like “8”. The larger the inclination angle is, the larger the range of motion is. Such effect makes the effective exposure time of Geosynchronous satellite limited when observe it by optical telescope with stare mode, and the SNR (Signal Noise Ratio) of Geosynchronous satellite image could not be increased with long exposure time. In the monitoring of Geosynchronous orbit without changing hardware, a method called sub-pixel translating superposition of successive frames of images is proposed. By translating and aligning images in the sub-pixel scale according to the moving speed of the object and the time interval of the adjacent frame images, the positions of the Geosynchronous satellite in the image sequences are coincident, and then by superposition of these translational images, the SNR of moving Geosynchronous objects and the detection capability of the whole system can be improved. Results of superposition of real observed images show that the method can remarkably improve the SNR of moving. When five images are superimposed, compared with the SNR of the original image, the SNR of the superimposed image by integer pixels is increased by around 1.7 times, and the SNR of the superimposed image by sub-pixel is increased by about 2 times.     

基于EfficientNet的星系形态分类研究

星系的结构和形态能够反映星系自身的物理性质,其形态的分类是后续分析研究的一个重要环节.EfficientNet模型使用复合系数对深度网络模型的深度、宽度、输入图像分辨率进行更加结构化的统一缩放,是一种新的深度网络优化扩展方法.将该模型应用于星系数据形态的分类研究中,结果表明基于EfficientNetB5模型的平均准确率、精确率、召回率以及F1分数(精确率与召回率的调和平均数)都在96.6%以上,与残差网络(Residual network, ResNet)中ResNet-26模型的分类结果相比有较大的提升.实验结果证明EfficientNet的深度网络优化扩展方法可行且有效,可应用于星系的形态分类.     

基于FPN-ViT的星系形态分类研究

随着人工智能技术的发展, 利用深度学习方法进行星系形态分类研究取得了较大进展, 但在分类精度、自动化及其星系的空间特征表示上仍然存在不足之处. Vision Transformer (ViT)模型目前在星系形态分类上具有较好的鲁棒性, 但是在处理多尺度图像时存在一定的局限性, 因此提出将特征金字塔(Feature Pyramid Networks, FPN)引入ViT模型(FPN-ViT)中进行星系形态的分类研究中. 结果表明: 基于FPN-ViT模型进行星系形态分类的平均准确率、精确率、召回率以及F1分数等各项评估指标均在95%以上, 与传统的ViT模型相比各项指标均有一定程度的提升. 同时, 在原始星系图像中加入不同程度的高斯噪声和椒盐噪声, 验证FPN-ViT模型对低信噪比数据也能获得较好的分类性能. 此外, 为了对模型进行综合评估, 采用t分布随机邻接嵌入(t-distributed Stohastic Neighbor Embedding, t-SNE)算法对分类结果进行了可视化分析, 能够更加直接地看出FPN-ViT模型对于星系形态分类的效果. 因此, 将FPN网络应用于ViT模型对星系形态的分类研究中是一种全新尝试, 对后续研究具有重要意义.     

Research on the Application of Fast-steering Mirror in Stellar Interferometers

In stellar interferometers, the fast-steering mirror (FSM) is widely utilized to correct the wavefront tilt caused by the atmospheric turbulence and internal instrumental vibration, because of its high resolution and fast response frequency. In this study, the non-coplanar error between the FSM and the actuator deflection axis introduced by the manufacturing, assembly, and adjustment is analyzed systematically. Via a numerical method, the additional optical path difference (OPD) caused by the above factors is studied, and its effect on the fringe tracking accuracy of a stellar interferometer is also discussed. On the other hand, the starlight parallelism between the beams of two arms is one of the main factors for the loss of fringe visibility. By analyzing the influence of wavefront tilt caused by the atmospheric turbulence on fringe visibility, a simple and efficient real-time correction scheme of starlight parallelism is proposed based on a single array detector. The feasibility of this scheme is demonstrated by a laboratory experiment. The results show that after the correction of fast-steering mirror, the starlight parallelism meets preliminarily the requirement of a stellar interferometer on the wavefront tilt.     

Detection of Faint Asteroids Based on Image Shifting and Stacking Method

In order to improve the ability to find the faint and small celestial bodies in the solar system, a method of shifting and stacking images which improves the detection efficiency of faint moving objects is applied to process the sequential optical images. This method determines the existence of moving objects by using the method of false position to pre-estimate the apparent velocities of moving objects, then determines iteratively the accurate positions of moving objects based on the SNR (Signal-to-Noise Ratio) and elongation of stellar image. Using the sequential images of the China Near Earth Object Survey Telescope (CNEOST), we carry out an experiment and succeed in detecting asteroids fainter than 21 magnitude which are invisible on a single image. Thus, the feasibility of this method is verified.     

基于空时显著性的日冕物质抛射检测

日冕物质抛射(Coronal Mass Ejection, CME)是一种剧烈的太阳爆发现象, 它会对行星际空间造成严重扰动, 进而影响人类生产、生活. 基于CME的时空显著性, 将显著性检测方法引入到CME检测中, 利用结构化矩阵分解SOHO (Solar and Heliospheric Observatory)的大角度光谱日冕仪(Large Angle and Spectrometric Coronagraph Experiment, LASCO) C2的日冕图像对应的特征矩阵, 从中恢复出稀疏部分获得显著前景. 然后考虑CME运动时产生的时间显著性, 从而去除非CME结构(如冕流), 得到最终检测结果. 实验表明, 以人工目录协调数据分析中心(Coordinated Data Analysis Workshop, CDAW)检测结果为基准时, 所提方法不仅在检测CME数量上比计算机辅助跟踪软件包(Computer Aided CME Tracking Software package, CACTus)和太阳爆发事件检测系统(Solar Eruptive Event Detection System, SEEDS)有优势, 还在CME中心角度和张角宽度等特征物理参数测量上比CACTus和SEEDS更接近CDAW目录参考值.     

基于FPGA的空间太阳磁像仪自校正稳像系统研制

太阳磁像仪是开展太阳磁场观测研究的核心仪器,其中的稳像系统是空间太阳磁像仪的关键技术之一,针对深空探测卫星系统对载荷重量、尺寸限制严苛的要求,设计了基于图像自校正方法的稳像观测系统.介绍了一套基于现场可编程门阵列(Field-Programmable Gate Array, FPGA)和数字信号处理器(Digital Signal Processor, DSP),通过基于自相关算法的高精度稳像方法设计,并结合精确偏振调制、准确交替采样控制等系统软硬件设计,克服由于卫星平台抖动、指向误差等因素造成的图像模糊,实现实时相关、校正、深积分的稳像观测系统.针对像素尺寸为1 K×1 K、帧频为20 fps的CMOS (Complementary Metal Oxide Semiconductor)探测器,实现了1像元以内的实时稳像观测精度.在完成实验室测试后, 2021年6月18日在国家天文台怀柔太阳观测基地35 cm太阳磁场望远镜上开展了实测验证,结果表明该系统能够有效地完成太阳磁像仪自校正稳像观测,获得了更高分辨率的太阳磁场数据.稳像系统的成功研制不仅可以为深空太阳磁像仪的研制提供轻量化、高...     

矮行星Haumea系统定心算法的探究

受地球大气影响, 使用地基光学望远镜观测角距离较小的双星系统或主卫星系统时往往会出现星象不可分辨的情况. 因此, 系统光心位置与系统质心位置可能存在一定的偏差. 准确地测量太阳系天体系统质心位置可以改进其轨道参数, 有助于揭示太阳系的形成与演化. 以矮行星Haumea及其亮卫星Hiíaka的运动为例, 仿真系统光心围绕质心扰动的过程, 探究视宁度(用星象的半高全宽表示)变化对准确测量光心位置的影响. 仿真结果表明, 使用二维高斯定心算法测定的系统光心位置随视宁度变化, 而修正矩定心算法的定心结果不受视宁度的影响. 根据仿真结果, 研究能够有效减少视宁度变化对光心位置准确测量影响的定心算法十分必要; 同时, 新的定心算法还需考虑主星光度变化的影响. 使用云南天文台2.4m望远镜, 1m望远镜以及紫金山天文台姚安观测站0.8m望远镜从2022年2月7日至2022年5月25日观测矮行星Haumea系统, 得到29晚共463幅CCD图像. 新定心算法确定的光心位置与使用二维高斯定心算法的结果相比具有更好的位置拟合效果. 此外, 还发现亮卫星Hiíaka在Jet Propulsion Laboratory (JPL)历表与Institut de Mécanique Céleste et de Calcul des ''Ephémérides (IMCCE)历表中的位置存在较大偏差.