[論文レビュー] Do fast stellar centroiding methods saturate the Cramér-Rao lower bound?

Mohammadjavad Vakili, David W. Hogg|arXiv (Cornell University)|Oct 19, 2016

Adaptive optics and wavefront sensing被引用数 3

ひとこと要約

本稿は、低SNR、スカイリミテッドな状態下における天体測位精度の理論的限界（Cramér-Rao下界、CRLB）に、高速な星の重心推定手法（PSFスムージングまたはガウススムージング後の多項式フィッティング）が達するかを評価する。PSFが既知の場合、PSFマッチド多項式重心推定はCRLBにほぼ達する。PSFが未知の場合、固定ガウススムージングと多項式フィッティングの組み合わせは非常に近く達するが、重心法（中心光）は著しく失敗する。

ABSTRACT

One of the most demanding tasks in astronomical image processing---in terms of precision---is the centroiding of stars. Upcoming large surveys are going to take images of billions of point sources, including many faint stars, with short exposure times. Real-time estimation of the centroids of stars is crucial for real-time PSF estimation, and maximal precision is required for measurements of proper motion. The fundamental Cramér-Rao lower bound sets a limit on the root-mean-squared-error achievable by optimal estimators. In this work, we aim to compare the performance of various centroiding methods, in terms of saturating the bound, when they are applied to relatively low signal-to-noise ratio unsaturated stars assuming zero-mean constant Gaussian noise. In order to make this comparison, we present the ratio of the root-mean-squared-errors of these estimators to their corresponding Cramér-Rao bound as a function of the signal-to-noise ratio and the full-width at half-maximum of faint stars. We discuss two general circumstances in centroiding of faint stars: (i) when we have a good estimate of the PSF, (ii) when we do not know the PSF. In the case that we know the PSF, we show that a fast polynomial centroiding after smoothing the image by the PSF can be as efficient as the maximum-likelihood estimator at saturating the bound. In the case that we do not know the PSF, we demonstrate that although polynomial centroiding is not as optimal as PSF profile fitting, it comes very close to saturating the Cramér-Rao lower bound in a wide range of conditions. We also show that the moment-based method of center-of-light never comes close to saturating the bound, and thus it does not deliver reliable estimates of centroids.

研究の動機と目的

• 天体測位における理論的精度限界（Cramér-Rao下界、CRLB）に、計算効率の高い高速な非反復的重心推定手法が達するかを評価すること。
• 現実的な低SNRおよび変動するFWHM条件下で、最適な最尤推定器と実用的な高速手法との間の性能差を調査すること。
• PSFが既知か未知かの2つの状況において、スカイリミテッドでガウスノイズの画像を想定し、重心推定手法を比較すること。
• さまざまなSNRおよびFWHM値の範囲で、各手法の平均二乗誤差（RMSE）がCRLBに対してどの程度の割合であるかを定量化すること。
• 中心光重心推定のような一般的に用いられる手法が、大規模な調査における高精度天体測位に信頼できるかを特定すること。

提案手法

• 特定の解析的PSFモデル（例：Moffatに類似）を用いて、重複しない微弱な星を含むスカイリミテッドで相関のないガウスノイズ画像をシミュレートする。
• PSFモデルから導出されるフィッシャー情報行列を用いて、SNRおよびFWHMの関数として、重心推定誤差の理論的Cramér-Rao下界（CRLB）を計算する。
• 4つの重心推定手法を適用する：(1) 真のPSFへの最尤フィッティング、(2) PSFマッチドスムージング後の3×3ピクセル領域における2次元2次多項式フィッティング、(3) 固定ガウススムージング（PSFの知識なし）後の多項式フィッティング、(4) 中心光（1次モーメント）推定。
• 多数のシミュレートされた星に対して各手法の重心推定誤差の平均二乗誤差（RMSE）を測定し、CRLBとの比（RMSE / CRLB）によって比較する。
• SNRを固定しFWHMを変化させるセットと、FWHMを固定しSNRを変化させるセットの2つのシミュレーションセットを実施し、条件にわたる頑健性を評価する。
• 散布図と中央値比を用いて、パラメータ空間全体で各手法がCRLBにどの程度近づくかを視覚化および定量化する。

実験結果

リサーチクエスチョン

• RQ1 低SNR、スカイリミテッドな状態下で、スムージング後の多項式フィッティングのような高速で反復しない重心推定手法が、星の重心推定においてCramér-Rao下界（CRLB）に達するか。
• RQ2 PSFが既知である場合、PSFマッチド多項式重心推定の性能は最尤推定と比べてどの程度か。
• RQ3 PSFが未知である場合、固定ガウススムージングと多項式フィッティングの組み合わせの性能はCRLBに対してどの程度か。
• RQ4 中心光法はCRLBにどの程度近づかないか。また、高精度天体測位に適しているか。
• RQ5 これらの手法のRMSE/CRLB比は、信号対雑音比（SNR）および星のPSFのFWHMにどのように依存するか。

主な発見

• PSFが既知の場合、PSFマッチドスムージング後の多項式重心推定は、広範なSNRおよびFWHMの範囲でRMSE/CRLB比が約1.0に達し、CRLBにほぼ完全に達していることを示している。
• PSFが未知の場合、固定ガウススムージングと多項式フィッティングの組み合わせは、ほとんどのテスト条件でRMSE/CRLB比が約1.05～1.15に留まり、ほぼ最適であり、非常に効率的であることが示された。
• 中心光法は、高SNRであっても常にRMSE/CRLB比が2.0を超えることが確認され、根本的に非効率であり、高精度天体測位には不適切であることが示された。
• すべての手法の性能はFWHMの増加およびSNRの低下とともに劣化するが、PSFマッチドおよび固定ガウス多項式手法のCRLBからの相対的ギャップが最小である。
• 真のPSFへの最尤フィッティングは、RMSE/CRLB比が約1.0に最も低く、最適なベンチマークであることが確認された。
• PSFマッチドおよび固定ガウス多項式手法のRMSE/CRLB比は、テスト範囲（SNR 5～40、FWHM 2～5.6ピクセル）内で常に10％以内に保たれ、頑健性と実用的最適性が裏付けられた。