[論文レビュー] Blind Detection of Ultra-faint Streaks with a Maximum Likelihood Method

William A. Dawson, M. Schneider+1 more|arXiv (Cornell University)|Sep 22, 2016

Image and Signal Denoising Methods参考文献 10被引用数 6

ひとこと要約

本論文は、PSFで畳み込みされた有限線分としてストリークをモデル化することで、ピクセルノイズより1桁以上明るさが低い超微弱ストリークの盲検出を可能にする最尤推定手法を提示する。この手法は、光源のパrameterに関する事前知識が不要であり、高い感度と純度を達成し、複数エポックの合成処理を可能とし、シミュレーションおよび実際のLEO観測において重なった複数の微弱ストリークの分離にも成功する。

ABSTRACT

We have developed a maximum likelihood source detection method capable of detecting ultra-faint streaks with surface brightnesses approximately an order of magnitude fainter than the pixel level noise. Our maximum likelihood detection method is a model based approach that requires no a priori knowledge about the streak location, orientation, length, or surface brightness. This method enables discovery of typically undiscovered objects, and enables the utilization of low-cost sensors (i.e., higher-noise data). The method also easily facilitates multi-epoch co-addition. We will present the results from the application of this method to simulations, as well as real low earth orbit observations.

研究の動機と目的

• 恒星追尾調査における超微弱ストリークを統計的に厳密かつモデルベースで検出する手法の開発。
• ストリークの位置、方向、長さ、表面輝度に関する事前知識なしに盲検出を可能とすること。
• 空間的に変化するノイズおよびPSFを考慮した最尤推定を活用し、微弱天体の検出感度を向上させること。
• PSFおよびノイズの変動に起因する系誤差を最小限に抑えるとともに、画像データの複数エポックにわたる統合処理を可能とすること。
• 事後パラメータ分布にGaussian Mixture Model (GMM)を適用し、複数の微弱ストリークの分離を実現すること。

提案手法

• 本手法は、データ、モデル、ピクセル共分散を含む二次形式として定義される尤度に基づく最尤フレームワークを用いる：$\mathrm{ln}\mathcal{L} = -\frac{1}{2}(d - m)^T \Sigma^{-1}(d - m) + C$、ここで$m$は光源モデルを表す。
• モデル$m(\mathbf{x}, \omega)$は、位置$\mathbf{x}$および性質$\omega$（フラックススケーリング$\alpha$を含む）でパラメータ化された、光源$s$とPSF$\Pi$との畳み込みとして定義される。
• 最尤フラックスは$\alpha_{\mathrm{ML}} = \Psi / \Phi$として導出され、ここで$\Psi$はノイズ加重付きのデータ-モデル相互相関、$\Phi$はノイズ加重付きのモデル自己相関を表す。
• 有意性は$\nu(\mathbf{x}, \Omega) = \Psi / \sqrt{\Phi}$により定量化され、検出のしきい値設定が可能となる。
• 複数エポックの合成処理は、エポック間で尤度の対数を合算することで実現され、PSFおよびノイズの変動があっても統計的厳密性が保たれる。
• 複数のストリークの分離は、モデルパラメータ（右帰着、赤経、長さ、位置角）の事後分布にGaussian Mixture Model (GMM)を適用し、BICを用いて最適な成分数を選択することで実現される。

実験結果

リサーチクエスチョン

• RQ1 最尤法を用いることで、ピクセルノイズのレベルより1桁以上明るさが低い超微弱ストリークを検出可能か？
• RQ2 パラメータに関する事前知識なしに、重なった複数のストリークをどれほど効果的に検出・分離できるか？
• RQ3 複数エポックの合成処理は、PSFおよびノイズの変動に起因する系誤差を回避しつつ、検出感度をどの程度向上させるか？
• RQ4 本手法は、後続の軌道決定に適した統計的に整合性のある方法で、光源の性質と不確実性を信頼性高く推定できるか？
• RQ5 パラメータ事後分布にGMMを適用する際、複数のストリークを分離するのに最適な成分数は何か？

主な発見

• 本手法は、ピクセルノイズレベルより約1桁明るさが低い表面輝度の超微弱ストリークを効果的に検出できた。
• シミュレーションでは、ベイジアン情報基準（BIC）分析により3成分のGMMが最適と特定され、3つのシミュレートストリークをすべて正しく検出し、誤検出は発生しなかった。
• GMM解析により、4次元パラメータ空間の2次元投影において、重なっていない信頼楕円が得られ、重なったストリークの効果的な分離が可能であった。
• PSFおよびノイズが変化する状況下でも、エポック間の対数尤度を合算することで、統計的に厳密な複数エポックの合成処理が可能となった。
• 有意性指標$\nu(\mathbf{x}, \Omega) = \Psi / \sqrt{\Phi}$は、ノイズ加重付きの検出しきい値を提供し、高純度の源同定を可能とした。
• STARE調査データへの実世界応用により、恒星追尾観測における実際の微弱LEO天体の検出が本手法の有効性を裏付けた。