[論文レビュー] Multi-frame blind deconvolution and phase diversity with statistical inclusion of uncorrected high-order modes

M. G. Löfdahl, T. Hillberg|arXiv (Cornell University)|May 26, 2022

Adaptive optics and wavefront sensing参考文献 48被引用数 9

ひとこと要約

本稿では、統計的多様性（SD）を導入し、Kolmogorov統計に基づいてFriedのパラメータr0にスケーリングされた未補正の高次大気乱流モードをモデル化することで、多フレームブラインドデコンボリューション（MFBD）の拡張を行う。自由パrameterを追加せずに高次モードを統計的に取り入れることで、特にフォーカス多様性と組み合わせた場合、AO補正済みデータにおける画像コントラストとパワー スペクトルの正確性が顕著に向上し、r0推定誤差に対してもロバストである。

ABSTRACT

Images collected with ground-based telescopes suffer blurring and distortions from turbulence in Earth's atmosphere. Adaptive optics (AO) can only partially compensate for these effects. Neither multi-frame blind deconvolution (MFBD) nor speckle techniques restore AO-compensated images to the correct power spectrum and contrast. MFBD can only compensate for a finite number of low-order aberrations, leaving a tail of uncorrected high-order modes. Speckle restoration of AO-corrected data depends on calibrations of the AO corrections and assumptions regarding the height distribution of atmospheric turbulence. We seek to develop an improvement to MFBD that combines speckle's usage of turbulence statistics to account for high-order modes with the ability of MFBD to sense low-order modes that can be partially corrected by AO and/or include fixed or slowly changing instrumental aberrations. We modify the image-formation model, supplementing the fitted low-order wavefront aberrations with tails of random high-order aberrations. These tails follow Kolmogorov statistics scaled to estimated or measured values of Fried's parameter, r0, that characterize the strength of the seeing at the moment of data collection. We refer to this as statistical diversity (SD). We test MFBD with SD with noise-free synthetic data, simulating many different r0 and numbers of AO-corrected modes. SD improves the contrasts and power spectra of restored images, both in accuracy and in consistency with varying r0, without penalty in processing time. With focus diversity (FD), the results are almost perfect. SD also reduces errors in the fitted wavefront parameters. MFBD with SD and FD seems resistant to several percents of error in r0. Adding SD to MFBD shows great promise for improving contrasts and power spectra in restored images. Further studies with real data are merited.

研究の動機と目的

• 適応光学（AO）補正済み、MFBDによる復元が施された天体画像において、依然として生じる誤ったコントラストとパワー スペクトルの問題に対処すること。
• 大気乱流に起因する未補正の高次波フロント非像準の補償が不十分であるというMFBDの限界を克服すること。
• 特にKolmogorov統計に基づく大気乱流の統計的性質を、自由パrameterの数を増やさずにMFBDフレームワークに統合すること。
• 波フロントパラメータ推定の正確性と、残留高次モードが存在する状況下での画像復元の忠実度を向上させること。
• r0値の推定誤差に対してロバストである方法を開発し、実用性を高めること。

提案手法

• Kolmogorov乱流統計から導出された高次波フロント非像準の統計的テールを、MFBDの画像形成モデルに追加することで拡張する。
• 観測時の観測条件を反映させるために、測定値または推定値に基づくFriedパラメータr0に統計的テールをスケーリングする。
• 高次モード寄与を統計的性質が既知の確率変数として扱い、自由パrameterとしてフィッティングする必要を回避する。
• 従来のフォーカス多様性（FD）と統計的多様性（SD）を組み合わせ、低次非像準と高次乱流効果の両方を同時に補正する。
• データセット内の複数の露光を用いて、追加の計算コストなしに独立した高次波フロント実現のアンサンブルを自然に形成する。
• MHDシミュレーションの真値を基準として、r0とAO補正モード数を変化させた合成データを用いて性能を検証する。

実験結果

リサーチクエスチョン

• RQ1 未補正の高次波フロントモードの統計的モデリングが、MFBDによる復元済みAO補正画像のコントラストとパワー スペクトルの正確性を向上させることができるか？
• RQ2 統計的多様性（SD）を用いてKolmogorov分布に従う高次モードを組み込むことで、低次波フロントパラメータの推定誤差が低減するか？
• RQ3 異なる観測条件（r0）下での一貫性を考慮すると、SDを用いたMFBDの性能は、従来のMFBDおよび復元後のデコンボリューション手法と比べてどのように異なるか？
• RQ4 実世界の応用においてr0が不確実である場合に、仮定されたr0値の誤差に対して本手法はロバストか？
• RQ5 SDをフォーカス多様性（FD）と効果的に組み合わせることで、PSF形状、コントラスト、パワー スペクトルの観点からほぼ完璧な画像復元が達成できるか？

主な発見

• 統計的多様性（SD）は、未補正の高次モードの統計的テールをモデル化することで、MFBDによる復元画像のコントラストとパワー スペクトルの正確性を顕著に向上させる。
• フォーカス多様性（FD）と組み合わせた場合、PSF形状、コントラスト、パワー スペクトルの観点でほぼ完璧な画像復元が達成され、異なる観測条件下でも一貫性が保たれる。
• 低次波フロントパラメータのフィッティング精度が向上し、高次モードの部分的補償に起因する推定誤差が低減する。
• SDは、仮定されたr0値に数パーセントの誤差が生じてもロバストであるため、r0が不確実な実世界の応用においても実用的である。
• 処理時間や自由パラメータの数を増加させない。高次モードは明示的なフィッティングではなく統計的モデリングにより扱われるためである。
• AO補正が行われていない状況でも本手法は有効であるが、低次モードがAOで補正されている場合には性能が向上する。また、CRISP や CHROMIS のような分光偏光計で得られる多対象MFBD（MOMFBD）データに対しても応用可能に適応可能である。