[論文レビュー] ICORE: Image Co-addition with Optional Resolution Enhancement

Frank J. Masci|arXiv (Cornell University)|Jan 12, 2013

Calibration and Measurement Techniques被引用数 9

ひとこと要約

ICORE は、修正されたリチャードソン＝ルーカス法に基づく空間的に依存するデコンボリューション手法を用いて、分解能向上をオプションで行う、FITS形式の天体画像を共通加算するためのコマンドラインツールである。背景合わせ、 photometric キャリブレーション、外れ値の除外、不確実性推定をサポートし、点源検出に最適化された高SNR・高分解能モザイクを、慣性系および移動物体の静止系の両方で生成可能である。

ABSTRACT

ICORE is a command-line driven co-addition, mosaicking and resolution enhancement (HiRes) tool for creating science quality products from image data in FITS format and with World Coordinate System information following the FITS-WCS standard. It includes preparatory steps such as image background matching, photometric gain-matching, and pixel-outlier rejection. Co-addition and/or HiRes'ing can be performed in either the inertial WCS, or in the rest frame of a moving object. Three interpolation methods are supported: overlap-area weighting, drizzle, and weighting by the detector Point Response Function (PRF). The latter enables the creation of matched-filtered products for optimal point-source detection, but most importantly allows for resolution enhancement using a spatially-dependent deconvolution method. This is a variant of the classic Richardson-Lucy algorithm with the added benefit to simultaneously register and co-add multiple images to optimize signal-to-noise and sampling of the instrumental PSF. It can assume real (or otherwise "flat") image priors, mitigate "ringing" artifacts, and assess the quality of image solutions using statistically-motivated convergence criteria. Uncertainties are also estimated and internally validated for all products. The software supports multithreading that can be configured for different architectures. Numerous example scripts are included (with test data) to co-add and/or HiRes image data from Spitzer-IRAC/MIPS, WISE and Herschel-SPIRE.

研究の動機と目的

• 信号対雑音比とPSFサンプリングの両方を向上させる、堅牢で柔軟な画像共通加算ツールを開発すること。
• 複数エポックまたは複数機器のデータにおける背景不一致、photometric ゲインのばらつき、ピクセル外れ値といった画像共通加算の課題に対処すること。
• 画像の忠実性を保ちながら分解能を向上させる、空間的に適応的なデコンボリューション手法による高分解能画像生成を可能とすること。
• 移動物体の静止系および慣性系の両方での共通加算をサポートし、拡張または移動する源のためのアストロメトリック精度を向上させること。
• 画像解法の科学的信頼性を確保するため、内部で検証された不確実性推定と収束基準を提供すること。

提案手法

• 重複領域の重み付け、ドリズル、検出器のポイント応答関数（PRF）に基づく重み付けを用いた共通加算を実施し、PRF重み付けによりマッチドフィルタード画像製品を実現する。
• 実画像（または平坦画像）を事前分布として用いる修正されたリチャードソン＝ルーカスデコンボリューションアルゴリズムを適用し、リバーブアーチファクトを低減しながら分解能向上を実現する。
• 画像登録と共通加算を一度の最適化ステップで統合することで、信号対雑音比とPSFサンプリングを向上させる。
• 統計的に妥当な収束基準を用いて解の品質を評価し、反復的デコンボリューションにおけるロバスト性を確保する。
• 異なるコンピューティングアーキテクチャに適応したパフォーマンスチューニングを可能とするマルチスレッド処理をサポートする。
• 共通加算または分解能向上の前処理として、背景合わせ、photometric ゲインマッチング、ピクセル外れ値除外を実施する。

実験結果

リサーチクエスチョン

• RQ1 どのようにして、信号対雑音比と機器のPSFの空間的サンプリングを同時に最適化した天体画像の共通加算を実現できるか？
• RQ2 どのデコンボリューション手法が、リバーブアーチファクトを最小限に抑えつつ、画像の忠実性を保持したまま分解能を向上させられるか？
• RQ3 不確実性推定を共通加算および分解能向上プロセス全体に内部で検証・伝搬するにはどうすればよいか？
• RQ4 移動物体の静止系での共通加算は、アストロメトリック精度と画像品質をどの程度向上させられるか？
• RQ5 同一のアルゴリズム的アプローチを用いて、標準的共通加算と高分解能画像再構成の両方を効果的に処理できるフレームワークは可能か？

主な発見

• ICORE は、Spitzer-IRAC/MIPS、WISE、Herschel-SPIRE などの複数の機器からの画像を、一貫性のある photometric キャリブレーションと背景合わせで効果的に共通加算している。
• PRF重み付け共通加算法により、点源検出に最適なマッチドフィルタード画像が得られ、従来手法に比べ感度が向上している。
• 空間的に依存するデコンボリューション法により、ネイティブPSFを超える分解能向上が可能であり、画像事前分布によるリバーブアーチファクトの効果的抑制が達成されている。
• 統計的に妥当な収束基準により、信頼性の高い解の評価が可能であり、不確実性推定の内部検証が実現されている。
• マルチスレッド実行により、多様なハードウェア上で効率的な処理が可能となり、大規模な画像モザイクにおけるスケーラビリティが向上している。
• 本ソフトウェアは、科学的に妥当で不確実性を定量化的に評価した製品を生成し、出版水準の分析に適している。