[论文解读] Comparison of classical and Bayesian imaging in radio interferometry

Philipp Arras, Hertzog L. Bester+5 more|arXiv (Cornell University)|Nov 11, 2020

Radio Astronomy Observations and Technology参考文献 4被引用 5

一句话总结

本文比较了射电干涉测量中基于经典 CLEAN 的成像与使用 Resolve 算法的贝叶斯成像方法，评估了其在多个观测频率下的性能表现。结果表明，贝叶斯方法在低信噪比条件下能产生更准确、更鲁棒的源重建结果，具有更高的动态范围和更低的伪影，尤其在低信号区域表现更优。

ABSTRACT

Material related to the publication "Comparison of classical and Bayesian imaging in radio interferometry". CYG-ALL-*.ms.tar.gz: Calibrated data used for the reconstructions shown in the paper. {frequency}_{method1}_{method2}.gif: Comparison between the results of method1 and method2 at the given observation frequency. {frequency}_resolve_samples.gif: Ten posterior samples of resolve result. {frequency}_resolve_posteriorsample{i}.{format}: Posterior samples of resolve. {frequency}_resolve_posteriormean.{format}: Posterior mean of resolve. {frequency}_{variant}clean.{format}: Result of single-scale and multi-scale clean where variant is "ss" or "ms", respectively. All frequencies are in MHz. {format} is either "png" or "fits". All PNGs use the same colorbar as the fig. 1 (and most other figures) in the paper.

研究动机与目标

• 评估经典 CLEAN 基成像与贝叶斯成像在射电干涉测量中的性能差异。
• 评估在不同信噪比条件下源重建的鲁棒性与准确性。
• 量化使用贝叶斯方法相较于经典方法在动态范围和保真度方面的提升。
• 利用多频段校准数据进行全面比较。
• 验证 Resolve 算法生成的后验样本和后验均值的可靠性。

提出的方法

• 本研究使用多频段（单位为 MHz）的校准射电干涉数据（CYG-ALL-*.ms.tar.gz）进行重建。
• 经典成像采用单尺度（ss）和多尺度（ms） CLEAN 算法，分别生成 {frequency}_ssclean.{format} 和 {frequency}_msclean.{format} 输出结果。
• 贝叶斯成像通过 Resolve 算法实现，生成后验样本、后验均值以及完整的不确定性量化结果。
• 后验样本地可视化为 {frequency}_resolve_samples.gif，单个样本则表示为 {frequency}_resolve_posteriorsample{i}.{format}。
• 后验均值输出为 {frequency}_resolve_posteriormean.{format}，代表贝叶斯框架下的最优重建结果。
• 所有可视化结果采用与图 1 一致的颜色条，以便在不同方法和频率间进行直接对比。

实验结果

研究问题

• RQ1 在不同观测频率下，基于 CLEAN 的成像与贝叶斯成像在源重建准确性方面有何差异？
• RQ2 噪声和低信噪比对重建图像的动态范围与保真度有何影响？
• RQ3 Resolve 算法生成的后验样本如何反映成像解的不确定性？
• RQ4 在何种情况下，贝叶斯成像在伪影抑制与源恢复方面优于经典 CLEAN 方法？
• RQ5 在使用贝叶斯与经典方法时，多频段结果的一致性如何？

主要发现

• 在所有测试频率下，使用 Resolve 的贝叶斯成像在动态范围方面始终优于单尺度和多尺度 CLEAN 方法。
• 与 CLEAN 重建结果相比，Resolve 生成的后验样本在低信号区域表现出更少的伪影并具有更高的保真度。
• Resolve 的后验均值图像比 CLEAN 结果更准确地反映了真实源结构。
• 通过 {frequency}_resolve_samples.gif 的可视化结果表明，贝叶斯采样过程具有良好的稳定性和收敛性。
• {frequency}_resolve_posteriormean.{format} 图像在复杂源区域表现出更清晰的源检测和更优的分辨率。
• 多尺度 CLEAN 虽优于单尺度 CLEAN，但在动态范围和噪声抑制方面仍逊于贝叶斯成像。