The Ultimate Display
天文图像和数据集的分辨率越来越高，越来越多维。绝大多数天文学家在低分辨率的二维桌面显示器上执行所有的可视化和分析任务。如果没有技术障碍来设计天文学的终极立体显示器，它会是什么样子？我们需要我们的计算硬件有什么能力来驱动它？现有的技术是否接近于提供与人类立体视觉的深度分辨率兼容的真正的3D体验？我们认为CAVE 2（一个80兆像素的混合2D和3D虚拟现实环境，直接与100 Tflop/s GPU驱动的超级计算机集成）和Oculus Rift（一种低成本的头戴式显示器）是沉浸式显示器频谱的两个相反的金融端的例子。
2016-01-14 astro-ph.IM
Are tiled display walls needed for astronomy?
将商品显示器聚集到平铺显示墙（TDW）中提供了一种具有成本效益的方式来创建极高分辨率的显示器，能够接近现代天文仪器现在产生的图像尺寸。天文学家面临的挑战是检查单个大图像，同时检查许多相似的图像，以及异质但相关的内容。许多研究机构建造了TDW，其基础是它们将改进天文图像的科学成果。我们测试这个概念，提出样本图像天文学家和非天文学家使用标准的桌面显示器（SDD）和TDW。这些样本包括标准英语单词、宽视场星系巡天图和哈勃望远镜拍摄的星云镶嵌图。这些实验表明，TDWs提供了一个更好的环境，搜索大图像中的小目标比SDD。它还表明，天文学家往往比非天文学家更善于搜索目标的图像，两组通常更好地采用物理导航，而不是虚拟导航，并且两个非天文学家使用TDW的组合可以与单个天文学家的经验相媲美。然而，参与者之间的能力也有很大的分布，内容的性质也起着重要的作用。
2014-07-18 astro-ph.IM cs.HC
Partial-Attribution Instance Segmentation for Astronomical Source Detection and Deblending
University of California, Santa Cruz（加州大学圣克鲁兹分校）
天文源去混是分离单个恒星或星系（源）对由多个可能重叠的源组成的图像的贡献的过程。天文来源显示出各种各样的大小和亮度，并可能在图像中显示出大量的重叠。天文成像数据由于其高动态范围、低信噪比和非常规图像格式，可以进一步挑战现成的计算机视觉算法。这些挑战使得源去混合成为天文学研究的一个开放领域，在这项工作中，我们引入了一种名为部分属性实例分割的新方法，该方法能够以易于处理的方式进行源检测和去混合。我们提供了一个新的神经网络实现的方法作为示范。
2022-01-12 astro-ph.GA astro-ph.IM cs.CV
Efficient Computation of Prolate Spheroidal Wave Functions in Radio Astronomical Source Modeling
对标准正交基函数如长球波函数在射电天文中的精确源建模中的应用进行了广泛的研究。它们对于新射电望远镜和传统射电望远镜的高保真、高动态范围成像具有重要意义。但是，与其他封闭形式的基函数相比，构造PdR在计算上是昂贵的。在本文中，我们提出了一种解决方案，以减少其计算成本，更有效地构建矩阵核，将图像域的可见度（或傅立叶）域。射电天文图像大多使用矩形像素的规则网格表示。这是高效存储和显示目的所需的，而且，作为成像中快速傅立叶变换（FFT）的副产品自然出现。我们建议使用Delaunay三角剖分，而不是定期网格化的图像，更精细的选择的区域的兴趣（信号支持）在Pandem内核的建设。我们表明，计算效率提高，而不会丢失信息。一旦使用不规则网格构建PdR基，我们通过插值恢复到规则网格，此后，可以应用常规成像技术。
2011-11-02 astro-ph.IM
Gnuastro: Generating polar plots in Astronomical images
本研究针对天文图像中具有中心距离和方位角依赖的结构分析需求，在Gnuastro 0.23版本的astscript-radial-profile脚本中新增极坐标图生成功能，且图表可通过Maneage复现。
2024-06-20 astro-ph.GA astro-ph.IM
Morphological Image Similarity Search on the ALMA Science Archive Query Interface Using Deep Unsupervised Contrastive Representation Learning
ESO（欧洲南方天文台）；Joint ALMA Observatory, Santiago, Chile（ALMA联合观测站，智利圣地亚哥）
本研究首次在ALMA科学档案中实现基于深度无监督对比学习的形态图像相似性搜索，通过自监督学习提升天文图像检索效率。
2025-11-21 astro-ph.IM
Edukoi: developing an interactive sonification tool for astronomy between entertainment and education
Edukoi是一款基于Herakoi修改的交互式声波化工具，旨在通过声音映射帮助儿童（包括视障者）从天文图像中提取信息，用于中学艺术与科学教学，并挑战天文学过于视觉化的观念。
2023-09-05 astro-ph.IM physics.ed-ph
Virtual Realities: Is there only one advanced image display that astronomers need?
通过AIDA调查发现，多数天文学家仅用标准显示器，VR/MR头戴式显示器已成熟，或可替代其他高级显示设备。
2024-12-16 astro-ph.IM
Introducing ADAPTSMOOTH, a new code for the adaptive smoothing of astronomical images
我们介绍并公开发布了一个新的代码，ADAPTSMOOTH，这是一个自适应的方式平滑天文图像，以提高信噪比（S/N）。自适应平滑方案允许充分利用图像中包含的空间分辨光度信息，因为在任何位置处应用最小平滑以达到所请求的S/N。支持在相同的平滑长度上匹配更多的图像，这样可以对局部颜色进行适当的估计，这对扩展源（星系，星云）的多波长研究有很大的潜在影响。提出了不同的局部信噪比估计模式。除了经典的算术平均平均模式，该代码可以在中值平均模式下工作，从而显著提高最终图像质量和非常准确的通量守恒。为了实现这一目标，本文还实现并讨论了其他代码选项。最后，我们详细分析了自适应平滑对星系光度学的影响，特别是在表面亮度（SB）轮廓和孔径光度学方面：SB相对于原始图像的偏差可以限制在<0.01 mag，孔径中的通量差小于0.001 mag。
2021-11-04 astro-ph.CO astro-ph.GA astro-ph.IM
Generative deep fields: arbitrarily sized, random synthetic astronomical images through deep learning
生成对抗网络（GANs）是一类人工神经网络，它可以生成与训练集中的图像相似的逼真但人工的图像。在典型的GAN架构中，这些图像很小，但一种称为空间GAN（SGAN）的变体可以生成任意大的图像，前提是训练图像表现出一定程度的周期性。由于宇宙学的各向同性原则，深河外成像巡天符合这一标准。在这里，我们训练SGAN生成类似于标志性的哈勃太空望远镜极限深场（XDF）的图像。我们表明，在生成的图像中的“星系”的属性具有很高的保真度与星系在真正的XDF的丰度，形态，星等分布和颜色。作为演示，我们已经生成了一个76亿像素的“生成深场”，跨度为1.45度。该技术可以推广到任何适当的成像训练集，提供一种新的纯数据驱动的方法，用于在天体物理学及其他领域大规模生产逼真的模拟调查和合成数据。
2019-04-23 astro-ph.CO astro-ph.GA astro-ph.IM
Three Tools to Aid Visualisation of FITS Files for Astronomy
越来越需要开发天文可视化和操作工具，使观众能够直接，实时和跨平台地与显示的数据进行交互。此外，下一代望远镜天文图像的动态范围的增加，导致人们希望开发能够在广泛的强度范围内呈现信息的增强可视化。本文介绍了三个新的工具，天文可视化和图像处理的软件工程师和射电天文学家之间的合作的结果。第一个工具，FITS3D，是一个快速，交互式三维数据立方体查看器，旨在允许实时交互比较多个谱线数据立方体同时。它具有特定区域的选择操作，包括平滑。第二个工具FITS2D有助于2D拟合图像的可视化和操作。该工具支持自由形式遮罩的交互式创建，允许用户提取拟合图像的任何（可能不连续的）子集。它还支持可以放置而不影响底层数据的注释。最后一个工具是一个R包，用于将高动态范围压缩技术应用于2D拟合图像。这允许在单个图像中成像全范围的像素亮度，同时显示明亮光源的细节，同时保留微弱光源的区别。在这里，我们将介绍这三种工具，并使用一系列天文图像来演示它们的功能。
2016-01-03 astro-ph.IM
The Application of the Montage Image Mosaic Engine To The Visualization Of Astronomical Images
Montage Image Mosaic Engine被设计为一个可扩展的工具包，用C语言编写，以提高性能和跨 *nix平台的可移植性，将FITS图像组装成马赛克。该代码是免费提供的，并已被广泛用于天文学和IT社区的研究，产品生成和开发下一代网络基础设施。最近，它已经开始在可视化领域中找到适用性。这是因为工具包的设计允许轻松集成到可扩展的系统中，这些系统处理数据，以便在浏览器或客户端中进行后续可视化。它还包括一个适用于自动化和集成到Python中的可视化工具：mViewer使用单个命令创建覆盖有坐标显示、标签和观察足迹的复杂多色图像，并包括一个自适应图像直方图均衡化方法，该方法可在其动态范围内保留拉伸图像的结构。Montage工具包包含最初开发用于支持马赛克创建和管理的功能，但也为可视化提供了价值：背景校正算法，可显示图像中的模糊结构;以及用于创建大图像的剪切和下采样版本的工具。Montage版本5支持可视化以HEALPix天空镶嵌方案写入的数据，并提供处理和组织图像的功能，以符合World Wide Telescope（WWT）消费所需的TOAST天空镶嵌方案。四个在线教程使读者能够复制和扩展本文中介绍的所有可视化。
2017-02-08 astro-ph.IM
AstroImageJ: Image Processing and Photometric Extraction for Ultra-Precise Astronomical Light Curves (Expanded Edition)
ImageJ是图形用户界面（GUI）驱动的、公共领域的、基于Java的软件包，用于传统上主要用于生命科学领域的通用图像处理。ImageJ的图像处理能力是有用的，并可扩展到其他科学领域。在这里，我们提出了AstroImageJ（AIJ），它提供了一个天文学特定的图像显示环境和工具，天文学特定的图像校准和数据减少。虽然AIJ保持ImageJ的通用图像处理能力，但AIJ对于时间序列差分光度测定、光变曲线去趋势和拟合以及光变曲线绘制是流线型的，特别是对于需要超精确光变曲线的应用（例如，系外行星凌日）。AIJ可读取和写入标准FITS文件以及其他常见图像格式，提供FITS标头查看和编辑功能，并支持世界坐标系（WCS），包括一个自动化界面，可连接到astrometry.net门户网站，用于解算印版图像。AIJ提供研究级图像校准和分析工具，采用GUI驱动方法，易于安装，具有跨平台兼容性。它使新用户，即使在本科生，高中生或业余天文学家的水平，快速开始处理，建模和绘制天文图像数据与一个紧密集成的软件包。
2017-01-17 astro-ph.EP astro-ph.IM
AstroImageJ: Image Processing and Photometric Extraction for Ultra-Precise Astronomical Light Curves
ImageJ是图形用户界面（GUI）驱动的、公共领域的、基于Java的软件包，用于传统上主要用于生命科学领域的通用图像处理。ImageJ的图像处理能力是有用的，并可扩展到其他科学领域。在这里，我们提出了AstroImageJ（AIJ），它提供了一个天文学特定的图像显示环境和工具，天文学特定的图像校准和数据减少。虽然AIJ保持ImageJ的通用图像处理能力，但AIJ对于时间序列差分光度测定、光变曲线去趋势和拟合以及光变曲线绘制是流线型的，特别是对于需要超精确光变曲线的应用（例如，系外行星凌日）。AIJ可读取和写入标准FITS文件以及其他常见图像格式，提供FITS标头查看和编辑功能，并支持世界坐标系（WCS），包括一个自动化界面，可连接到astrometry.net门户网站，用于解算印版图像。AIJ提供研究级图像校准和分析工具，采用GUI驱动方法，易于安装，具有跨平台兼容性。它使新用户，即使在本科生，高中生或业余天文学家的水平，快速开始处理，建模和绘制天文图像数据与一个紧密集成的软件包。
2017-01-17 astro-ph.EP astro-ph.IM astro-ph.SR
Visualising three-dimensional volumetric data with an arbitrary coordinate system
天文数据并不总是使用笛卡尔坐标。全天观测数据和旋转对称系统的模拟，如吸积和原行星盘，都可能使用球极或其他坐标系。标准显示依赖于笛卡尔坐标，但将非笛卡尔数据转换为笛卡尔格式会导致数据失真和细节丢失。我在这里演示了一种方法，使用计算机图形学的标准技术，可以避免在任意坐标系中使用3D数据的这些问题。该方法为显示过程增加了最小的计算成本，并且适用于实时、交互式内容和产生固定渲染的图像和视频。提供了适用于球面极坐标数据的概念验证代码。
2016-11-08 astro-ph.GA astro-ph.IM
