[论文解读] ICORE: Image Co-addition with Optional Resolution Enhancement

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

Calibration and Measurement Techniques被引用 9

一句话总结

ICORE 是一款命令行工具，用于对 FITS 格式的天文图像进行联合叠加，可选地使用基于改进的 Richardson-Lucy 算法的、空间依赖的去卷积方法实现分辨率增强。它支持背景匹配、测光定标、异常值剔除和不确定性估计，可生成信噪比高、分辨率高的马赛克图像，适用于惯性系和运动目标静止系中的点源检测。

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.

研究动机与目标

• 开发一种稳健、灵活的工具，用于对天文图像进行联合叠加，并可选地实现分辨率增强，以提升信噪比和 PSF 采样质量。
• 解决多历元或多仪器数据中联合叠加的挑战，如背景不匹配、测光增益差异和像素异常值问题。
• 通过一种空间自适应的去卷积方法实现高分辨率成像，提升分辨率的同时保持图像保真度。
• 支持在惯性系和运动目标静止系中的联合叠加，提升扩展源或运动源的天体测量精度。
• 提供内部验证的不确定性估计和收敛性标准，确保图像解算的科学可靠性。

提出的方法

• 采用重叠区域加权、拖拽（drizzle）和基于探测器点扩散函数（PRF）的加权方法进行联合叠加，其中 PRF 加权可生成匹配滤波图像产品。
• 应用改进的 Richardson-Lucy 去卷积算法，使用真实（或平坦）图像先验，实现分辨率增强，同时减轻振铃伪影。
• 将图像配准与联合叠加整合到单一优化步骤中，以提升信噪比和 PSF 采样质量。
• 使用统计学驱动的收敛性标准评估解算质量，并在迭代去卷积过程中确保鲁棒性。
• 支持多线程处理，可在不同计算架构上进行性能调优。
• 在联合叠加或分辨率增强前，执行预备步骤，包括背景匹配、测光增益匹配和像素异常值剔除。

实验结果

研究问题

• RQ1 如何优化天文图像联合叠加，以同时提升信噪比和仪器 PSF 的空间采样？
• RQ2 何种去卷积方法可在最小化振铃伪影的同时实现分辨率增强并保持图像保真度？
• RQ3 如何对不确定性估计进行内部验证并传播至联合叠加和分辨率增强过程中？
• RQ4 在运动目标静止系中进行联合叠加，能在多大程度上提升天体测量精度和图像质量？
• RQ5 单一框架能否有效整合标准联合叠加与基于统一算法方法的高分辨率图像重建？

主要发现

• ICORE 成功联合叠加了来自多个仪器（Spitzer-IRAC/MIPS、WISE、Herschel-SPIRE）的图像，实现了稳定的测光定标和背景匹配。
• 基于 PRF 的加权联合叠加方法生成了最优的匹配滤波图像，显著提升了点源检测的灵敏度，优于标准方法。
• 空间依赖的去卷积方法实现了超越原始 PSF 的分辨率增强，且通过图像先验有效抑制了振铃伪影。
• 统计学驱动的收敛性标准确保了解算结果的可靠性，同时实现了不确定性估计的内部验证。
• 多线程执行在不同硬件上实现了高效处理，提升了大规模图像马赛克的可扩展性。
• 该软件生成了科学上有效的、带有不确定性量化的输出产品，适用于出版级分析。