NEARBY Platform for Detecting Asteroids in Astronomical Images Using Cloud-based Containerized Applications
Technical University of Cluj-Napoca（克卢日-纳波卡技术大学）；Isaac Newton Group of Telescopes (ING)（艾萨克·牛顿望远镜组）；Instituto de Astrofisica de Canarias (IAC)（加那利天体物理研究所）
V. Bacu, A. Sabou, T. Stefanut, D. Gorgan, O. Vaduvescu
备注：
IEEE 14th International Conference on Intelligent Computer Communication and Processing (ICCP), Cluj-Napoca, Romania
The continuing monitoring and surveying of the nearby space to detect Near Earth Objects (NEOs) and Near Earth Asteroids (NEAs) are essential because of the threats that this kind of objects impose on the future of our planet. We need more computational resources and advanced algorithms to deal with the exponential growth of the digital cameras' performances and to be able to process (in near real-time) data coming from large surveys. This paper presents a software platform called NEARBY that supports automated detection of moving sources (asteroids) among stars from astronomical images. The detection procedure is based on the classic "blink" detection and, after that, the system supports visual analysis techniques to validate the moving sources, assisted by static and dynamical presentations.
Fast algorithms for slow moving asteroids: constraints on the distribution of Kuiper Belt Objects
本文介绍了一种新的计算技术，用于在天文图像中寻找微弱的运动源。从极大似然估计一系列图像内的源的检测概率开始，我们开发了一个大规模的并行算法搜索通过候选小行星的轨迹，利用图形处理单元（GPU）。这项技术可以在一分钟内使用单个消费级GPU在10-15个4K x 4K图像的堆栈中搜索超过10^10个可能的小行星轨迹。我们将该算法应用于2015年高节奏瞬态调查（HiTS）活动的数据，这些数据是用暗能量相机（DECam）获得的。我们发现39个以前未知的柯伊伯带天体在150平方度的调查。将这些小行星与柯伊伯带倾角分布的现有模型进行比较，我们证明了我们恢复的KBO人口高于我们的检测限与以前的研究一致。分析中使用的软件作为开放源码软件包提供。
NEARBY Platform for Automatic Asteroids Detection and EURONEAR Surveys
Technical University of Cluj-Napoca（克卢日-纳波卡技术大学）；Isaac Newton Group（牛顿研究所）；Instituto de Astrofisica de Canarias（加那利群岛天体物理研究所）；University of Craiova（克拉约瓦大学）
GPUPHOT: A Python Framework for High-Performance GPU-Accelerated Photometry and Distributed Astronomical Data Reduction
Light Bridges S.L.；Universidad de La Laguna (ULL)（拉帕尔马大学）；Instituto Tecnológico y de Energías Renovables (ITER)（技术与可再生能源研究所）；Instituto de Astrofísica de Canarias (IAC)（加那利天体物理研究所）
AstroSkyFlow: an astronomical sky image flow simulator for time domain survey validation and machine learning
State Key Laboratory of Dark Matter Physics, Tsung-Dao Lee Institute & School of Physics and Astronomy, Shanghai Jiao Tong University（暗物质物理全国重点实验室，李政道研究所，上海交通大学物理与天文学院）；Shanghai Astronomical Observatory, Chinese Academy of Sciences（中国科学院上海天文台）
Mega-Archive and the EURONEAR Tools for Datamining World Astronomical Images
世界天文图像档案为时域天文科学和其他热门话题（如空间防御）提供了巨大的机会，天文观测站应该改善这一财富，使其在大数据时代更容易获得。2010年，我们推出了Mega-Archive数据库和Mega-Precovery服务器，用于包含太阳系天体的数据挖掘图像，重点关注近地小行星（NEAs）。本文介绍了近五年来的改进，并介绍了一些新的相关数据挖掘工具。目前，Mega-Archive已经索引了来自六个主要收藏（CADC，ESO，ING，LCOGT，NVO和SMOKA）以及其他仪器档案和调查的1500万张图像。这个元数据索引集合每天更新（自2014年以来），由一个爬虫执行五个主要集合的自动查询。自2016年以来，这些数据挖掘工具运行到新的专用EURONEAR服务器，数据库迁移到支持强大和快速查询的SQL引擎。为了限制该区域在大型马赛克相机拍摄的图像中搜索移动或固定物体，我们构建了图形工具FindCCD和FindCCD for Fixed Objects，它们覆盖了七个马赛克相机（Subaru-SuprimeCam，VST-OmegaCam，INT-WFC，VISTA-VIRCAM，CFHT-MegaCam，Blanco-DECam和Subaru-HSC）中的一个目标，还绘制了观测不良的NEAs的不确定性椭圆。在2017年，我们改进了Mega-Precovery，它现在提供了两个星历计算选项和…
