[论文解读] The application of compressive sampling to radio astronomy I: Deconvolution

Feng Li, T. J. Cornwell+1 more|arXiv (Cornell University)|Jun 9, 2011

Sparse and Compressive Sensing Techniques被引用 7

一句话总结

本文提出了一种基于压缩感知（CS）的射电天文学去卷积方法，采用各向同性无抽样小波变换（IUWT）作为稀疏表示基，从欠采样的可见度数据中重建点源和扩展源。该方法在均匀加权和自然加权下均优于Högbom CLEAN和多尺度CLEAN，在图像重建质量（视觉与数值指标）和计算速度方面表现更优，尤其在均匀加权时优势显著。

ABSTRACT

Compressive sampling is a new paradigm for sampling, based on sparseness of signals or signal representations. It is much less restrictive than Nyquist-Shannon sampling theory and thus explains and systematises the widespread experience that methods such as the Högbom CLEAN can violate the Nyquist-Shannon sampling requirements. In this paper, a CS-based deconvolution method for extended sources is introduced. This method can reconstruct both point sources and extended sources (using the isotropic undecimated wavelet transform as a basis function for the reconstruction step). We compare this CS-based deconvolution method with two CLEAN-based deconvolution methods: the Högbom CLEAN and the multiscale CLEAN. This new method shows the best performance in deconvolving extended sources for both uniform and natural weighting of the sampled visibilities. Both visual and numerical results of the comparison are provided.

研究动机与目标

• 解决传统去卷积方法（如CLEAN）在射电干涉测量中重建扩展源时的局限性。
• 通过在合适基下利用扩展结构的稀疏性，将压缩感知（CS）理论应用于射电天文学。
• 开发一种不假设天体物理结构为高斯形状的基于CS的去卷积方法。
• 在均匀加权和自然加权条件下，比较所提出的基于IUWT的CS方法与Högbom CLEAN、多尺度CLEAN及部分傅里叶（PF）方法的性能。
• 评估该方法在重建天空亮度时的鲁棒性、计算效率和测光准确性。

提出的方法

• 该方法利用压缩采样（CS）从欠采样的可见度数据中重建射电天空图像，依赖于IUWT域中信号的稀疏性。
• 采用各向同性无抽样小波变换（IUWT）作为稀疏化基，为扩展源提供稀疏且各向同性的表示。
• 将重建问题表述为凸优化问题：在满足 ||A x - b||_2 ≤ ε 的条件下最小化 ||x||_1，其中 A 为感知矩阵，b 为测量的可见度，x 为小波域中的图像。
• 该算法基于梯度，使用原始-对偶方法迭代求解CS问题，实现快速收敛。
• 该方法被应用于均匀加权和自然加权的可见度数据，以评估其在不同观测条件下的鲁棒性。
• 性能通过视觉检查、残差图像均匀性、动态范围、保真度以及真实与重建像素值之间的测光线性性进行评估。

实验结果

研究问题

• RQ1 基于IUWT基的压缩感知是否能在重建扩展射电源方面优于传统的基于CLEAN的方法？
• RQ2 基于IUWT的CS方法在均匀加权和自然加权下的图像质量和计算速度表现如何？
• RQ3 在高动态范围场景下，基于IUWT的CS方法是否比CLEAN方法更好地保持测光准确性？
• RQ4 IUWT表示的稀疏性如何促进其在重建性能上优于傅里叶基等其他基？
• RQ5 基于CS的方法是否能在计算速度上显著优于传统CLEAN算法，特别是在扩展源成像方面？

主要发现

• 基于IUWT的CS方法产生最均匀的残差图像且伪影最少，表明其在重建扩展源方面具有更优的去卷积性能。
• 该方法在视觉上最接近真实天空图像，尤其在重建弥散发射和复杂结构方面表现最佳。
• 数值结果表明，基于IUWT的CS方法具有最高的保真度，并且与真实天空的测光线性性最佳，重建值与真实值比较的斜率接近1。
• 在均匀加权条件下，基于IUWT的CS方法显著快于Högbom CLEAN，尽管在自然加权情况下略慢于均匀加权的处理速度。
• 该方法在两种加权方案下均保持卓越性能，表现出对可见度采样模式的强鲁棒性。
• 部分傅里叶（PF）方法在点源重建中表现最佳，但基于IUWT的CS方法在扩展源重建方面显著优于所有其他方法。