[论文解读] DrizzlePac 2.0 - Introducing New Features

Roberto J. Avila, W. Hack+5 more|arXiv (Cornell University)|Nov 20, 2014

Satellite Image Processing and Photogrammetry参考文献 1被引用 9

一句话总结

DrizzlePac 2.0 通过自动拼接对齐、改进的天空背景匹配以及支持时间依赖的ACS畸变校正，增强了哈勃空间望远镜图像处理。它引入了先进的源检测控制、基于重叠区域的最小二乘拟合自动天空背景匹配，以及针对大规模数据集的批量处理，显著提升了拼接和深场成像的准确性与可用性。

ABSTRACT

The DrizzlePac package includes tasks for aligning and drizzling images taken with the Hubble Space Telescope. We present this release which includes new features that facilitate image alignment, sky matching, and adds support for new time dependent distortion solutions of the ACS instrument. The TweakReg task now includes capabilities for automatically aligning images which form part of a mosaic. In addition, new parameters make it easier to reject cosmic rays and other spurious detections from source catalogs used for alignment. The Astrodrizzle task has been improved with a new sky matching algorithm which makes producing mosaics easier than ever before. This new version supports an improved version of the ACS/WFC time-dependent distortion correction. There are also improvements to the GUI interfaces and some behind the scene bug fixes.

研究动机与目标

• 提升 DrizzlePac 在对齐和拖曳处理哈勃图像时的易用性，特别是在复杂拼接和深场图像中。
• 解决在对齐过程中由宇宙射线、热像素和图像伪影引起的源检测挑战。
• 实现无需人工干预的拼接瓦片自动、迭代对齐。
• 通过提升图像瓦片间天空背景匹配，消除拼接图像中的不连续性。
• 通过优化内存使用并支持时间依赖畸变校正的批量处理，实现对大规模数据集的支持。

提出的方法

• 在 TweakReg 中为输入图像和参考图像分别实现源检测参数，以提升在不同图像条件下检测的鲁棒性。
• 增加对 DS9 区域形状的支持，包含和排除掩码，以过滤掉明亮恒星晕和CCD溢出等伪影引起的虚假检测。
• 重写 AstroDrizzle 中的天空背景匹配算法，通过图像对之间的重叠区域计算背景水平，最大限度减少局部极小值带来的误差。
• 采用最小二乘拟合方法，对所有重叠图像对的天空值进行对齐，确保拼接图像中背景水平的一致性。
• 通过 headerlet 文件启用 STWCS 的精修 WCS 解决方案批量处理，减少交互式操作开销。
• 在单步拖曳处理中引入图像压缩，以减少大规模拼接创建过程中的内存和磁盘占用。

实验结果

研究问题

• RQ1 如何改进哈勃拼接瓦片的自动对齐，以减少人工迭代并提高准确性？
• RQ2 在拼接图像中，哪种方法能最好地匹配多幅图像之间的天空背景，以消除不连续性？
• RQ3 如何将输入图像和参考图像之间的源检测参数解耦，以提升低信号或高噪声条件下的鲁棒性？
• RQ4 在长时间观测基线中，处理 ACS/WFC 数据的时间依赖畸变需要哪些改进？
• RQ5 如何提升处理大规模图像数据集的拖曳处理流水线的计算效率？

主要发现

• AstroDrizzle 中的新天空背景匹配算法成功消除了拼接图像中的背景不连续性，如重叠瓦片间切片图中减少的伪影所证明。
• TweakReg 现在支持通过动态将已对齐图像中的源添加到参考星表中，实现整个拼接图像的一次调用自动对齐。
• 为输入图像和参考图像分别使用独立的源检测参数，减少了对 CR 清洗图像的依赖，提升了工作流效率。
• 支持基于 headerlet 的 WCS 精修，实现了无需交互干预的天体测量解批量处理。
• 在单步拖曳处理中引入图像压缩，显著降低了大规模拼接的内存和磁盘使用量。
• 新版本支持 ACS/WFC 时间依赖畸变校正的测试实现，提升了长时间基线观测的天体测量准确性。