The adaptive-loop-gain adaptive-scale CLEAN deconvolution of radio interferometric images
CLEAN算法是一类广泛用于消除望远镜点扩散函数（PSF）影响的反卷积求解器。环路增益是CLEAN算法中的一个重要参数。目前反褶积过程中的参数是固定的，这限制了CLEAN算法的性能。在本文中，我们提出了一种新的反卷积算法与自适应环路增益计划，这是被称为自适应环路增益自适应规模清洁（藻类清洁）算法。实验结果表明，新算法能给出更精确的模型，且收敛速度更快。
2016-04-06 astro-ph.IM
Superresolution Reconstruction of Severely Undersampled Point-spread Functions Using Point-source Stacking and Deconvolution
空间欠采样图像中的点扩散函数（PSF）估计具有挑战性，因为大像素平均精细尺度空间信息。当需要精细分辨率细节时，这是有问题的，如在最佳光度测定中，其中可能需要超过图像的固有空间分辨率的照明图案的知识。在这里，我们介绍了一种PSF重建方法，其中点源被人工采样超过图像的原始分辨率，并通过堆叠组合在一起，以返回PSF的精细采样估计。然后，从像素网格化函数中对该估计进行反卷积，以返回可用于最佳加权测光的超分辨率内核。我们以即将到来的SPHEREx任务的< 1%光度误差要求为基准，以评估具体示例中的性能。我们发现，标准的方法，如理查森-露西反卷积是不足以实现这一严格的要求。我们研究了一种更先进的方法，在图像分析中具有重要的传统，称为迭代反投影（IBP），并使用理想化的高斯情况下，模拟SPHEREx图像证明它。在新视野号上的LORRI仪器记录的实像上测试这种方法时，我们能够识别系统的指向漂移。我们的IBP衍生PSF内核允许光度精度明显优于单独SPHEREx曝光的要求。这种PSF重建方法广泛适用于各种问题，并以一种对复杂因素（如严重欠采样、空间复杂PSF、噪声、拥挤场或有限源数量）具有鲁棒性的方式将计算上简单的技术相结合。
2021-02-01 astro-ph.IM
Blind deconvolution in astronomy with adaptive optics: the parametric marginal approach
自适应光学（AO）校正图像后处理的主要局限性之一是缺乏对系统点扩散函数（PSF）的了解。PSF并不总是可用作对诸如恒星的孤立点状物体的直接成像。使用AO遥测的预测也受到严重的限制，需要复杂但不完全可操作的算法。一个非常有吸引力的解决方案包括使用科学图像本身的直接PSF估计，这要归功于盲或近视后处理方法。我们证明，这种方法遭受严重的限制时，联合恢复对象和PSF参数进行。作为替代方案，我们在这里提出了一个边缘化的PSF识别，克服了这一限制。然后，PSF用于图像后处理。在这里，我们专注于反卷积，一种后处理技术，以恢复对象，给定的图像和PSF。我们表明，边缘化估计的PSF提供了良好的质量反卷积。边缘化点扩展函数估计和反卷积的全过程构成了一种成功的盲反卷积技术。它是测试模拟数据，以衡量其性能。还在VLT/SPHERE/Zimpol的小行星4-Vesta的实验性自适应光学图像上进行了测试，以证明其对天空数据的应用。
2020-06-19 astro-ph.IM
Diffusion Models for Probabilistic Deconvolution of Galaxy Images
University of Michigan（密歇根大学）
针对星系图像PSF反卷积的不适定性及经典生成模型样本多样性不足的问题，提出无分类器条件扩散模型，实验证实其比条件VAE能生成更多样的反卷积结果。
2023-07-20 astro-ph.IM cs.LG stat.AP
Blind and robust reconstruction of adaptive optics point spread functions for asteroid deconvolution and moon detection
本文提出一种直接在目标数据中盲重建自适应光学点扩散函数（AO-PSF）的方法，通过鲁棒惩罚优化剔除异常值并去除小行星晕圈，从而实现图像反卷积和暗弱卫星的高效检测。
2024-10-11 astro-ph.IM eess.SP
Galaxy Image Deconvolution for Weak Gravitational Lensing with Unrolled Plug-and-Play ADMM
Tsinghua University（清华大学）；Northwestern University（西北大学）
从星系图像中去除光学和大气模糊显着改善星系形状测量弱引力透镜和星系演化研究。这种不适定的线性逆问题通常通过正则化先验或深度学习增强的反卷积算法来解决。我们引入了一种所谓的“物理信息深度学习”方法来解决星系巡天中的点扩散函数（PSF）反卷积问题。我们将算法展开和即插即用技术应用于交替方向乘法（ADMM），其中神经网络从模拟星系图像中学习适当的超参数和去噪先验。我们对不同亮度水平的星系的几种方法的时间性能权衡以及我们的方法对系统PSF误差和网络消融的鲁棒性进行了分析。与经典方法相比，我们显示出38.6%（SNR=20）/45.0%（SNR=200）的减少剪切椭圆度误差的改善，与现代方法相比，为7.4%（SNR=20）/33.2%（SNR=200）。
2023-03-13 astro-ph.IM cs.CV
Firedec: a two-channel finite-resolution image deconvolution algorithm
我们提出了一种双通道反卷积方法，将图像分解为参数点源通道和像素化扩展源通道。该方法基于Magain，Courbin & Sohy（1998）提出的反褶积算法的中心思想，其目的是提高数据的分辨率，而不是完全去除点扩散函数（PSF）。对原始方法的改进包括基于小波滤波和多尺度分析的图像像素通道的更好的正则化，以及点源与扩展源的更好的受控分离。此外，该方法还能够同时对在不同PSF条件下用不同仪器拍摄的同一物体的许多单独帧进行去卷积。为了这个目的，我们介绍了一个一般的几何变换之间的个别图像。这种变换允许图像的组合，而不必对它们进行插值。我们说明了我们的算法使用复杂的衍射限制PSF的真实和模拟图像的能力。
2016-02-05 astro-ph.IM
Deep Learning for space-variant deconvolution in galaxy surveys
具有数百万个星系的大型巡天图像的反卷积需要开发新一代方法，该方法可以考虑空间变化的点扩散函数（PSF）并且必须同时精确和快速。在本文中，我们研究了如何使用深度学习（DL）来执行此任务。我们采用U-Net深度神经网络（DNN）架构，在监督设置中学习适用于星系图像处理的参数，并研究两种反卷积策略。第一种方法是一个纯粹的Tikhonov反卷积与封闭形式的解决方案和第二个是一个迭代反卷积框架的基础上交替方向乘法（ADMM）的后处理。我们的数值结果的基础上GREAT 3模拟与现实的星系图像和PSF表明，我们的两种方法优于标准的凸优化技术的基础上，无论是在星系图像重建或形状恢复评估。基于Tikhonov反卷积的方法导致最准确的结果，除了在高信噪比的椭圆度误差，其中ADMM方法表现稍好，也是更有效的计算时间来处理大量的星系，因此建议在这种情况下。
2020-06-24 astro-ph.IM eess.IV stat.ME
Hopfield Neural Network deconvolution for weak lensing measurement
弱引力透镜有可能对暗能量的状态方程施加严格的约束。然而，只有当剪切测量方法能够达到所需的精度水平时，这才是可能的。提出了一种测量星系椭圆率的新方法。该方法利用总点扩散函数（PSF）对数据进行直接反褶积。我们采用线性代数形式主义，表示的PSF作为一个Toeplitz矩阵。这允许我们通过应用Hopfield神经网络迭代方案来求解卷积方程。在反卷积图像的星系的椭圆率，然后测量使用二阶矩的图像的自相关函数。据我们所知，这是第一次使用全图像反卷积来测量弱透镜剪切。我们将我们的方法应用于GREAT 10挑战中提出的模拟弱透镜数据，并获得Q=87的品质因数。该结果是在反卷积之前对数据应用图像去噪之后获得的。剪切功率谱的加性和乘性偏差分别为+0.000009和+0.0357。
2014-11-14 astro-ph.CO astro-ph.IM
A Practical Deconvolution Computation Algorithm to Extract 1D Spectra from 2D Images of Optical Fiber Spectroscopy
Bolton和Schlegel提出了一种从二维光纤光谱CCD图像中提取一维光谱的去卷积方法。该方法可以消除光纤间点扩散函数的差异，提取光谱到光噪声水平，同时提高分辨率。但该方法计算量大，无法在实际数据处理中实现。在本文中，我们开发了一个实用的计算方法来解决计算问题。新的计算方法可以反卷积的二维光纤光谱图像的任何大小与实际的PSF，这可能会随着位置的变化。我们的方法不需要大量的内存，可以提取一个4k多4k无噪声的CCD图像与250纤维在2小时。为了使我们的方法更实用，我们进一步考虑噪声的影响，这被认为是一个内在的不适定问题，在反卷积算法。我们修改我们的方法与Tikhonov正则化项，以降低方法引起的噪声。与传统的提取方法相比，即使在极端情况下，该方法也具有最小的残差和串扰、噪声的影响。我们的方法可以在2到4次迭代中收敛，对于极端的纤维距离，计算时间约为3.5小时，对于非极端的情况，约为2小时。最后，我们将我们的方法应用到实际的LAMOST（大天区多目标光纤光谱望远镜，又名。郭守敬望远镜）数据。我们发现，用我们的方法提取的一维光谱比传统方法具有更高的信噪比和分辨率。
2015-06-20 astro-ph.IM
Space variant deconvolution of galaxy survey images
消除由点扩散函数（PSF）引入的像差是天文图像处理的一个基本方面。观测图像中噪声的存在使得去卷积成为一项重要的任务，需要使用正则化。当PSF在空间上变化时，这个任务特别困难，就像欧几里得望远镜的情况一样。新的调查将提供包含数千个星系的图像，并且可以从一个全新的角度考虑去卷积正则化问题。事实上，我们可以假设星系属于低秩维空间。这项工作介绍了使用低秩矩阵近似作为正规化之前的星系图像反卷积和比较其性能与标准的稀疏正规化技术。这种新方法带来了一种处理空间变体PSF的自然方法。反卷积是使用实现原始-对偶分裂算法的Python代码执行的。所考虑的数据集是一个样本的10 000空间为基础的星系图像卷积与一个已知的空间变化的欧几里德类PSF，包括各种水平的高斯加性噪声。通过检查去卷积的星系图像像素和形状来评估性能。结果表明，对于小样本的星系稀疏执行更好的像素和形状恢复，而对于较大的星系样本，它是可能的，以获得更准确的估计星系的形状使用低秩近似。
2017-03-07 astro-ph.CO astro-ph.IM
A parallel & automatically tuned algorithm for multispectral image deconvolution
在大数据时代，射电天文图像重建算法面临着在有限的计算资源和时间下估计干净图像的挑战。本文是由未来平方公里阵列（SKA）的大规模图像重建需求驱动的，SKA将在未来几十年内成为世界上最大的低频和中频射电望远镜。这项工作提出了一个可扩展的宽带反卷积算法称为MUFFIN，它代表“多频率图像重建无线电干涉测量”。MUFFIN在给定相应的脏图像和点扩散函数的情况下估计各个频带中的天空图像。通过最小化数据保真度项以及联合空间和谱稀疏分析正则化项来实现重建。因此，它是非参数w.r.t.射电源的光谱特性。MUFFIN算法具有并行实现和自动调整正则化参数的功能，使其具有可扩展性，非常适合于SKA等大数据应用。MUFFIN和最先进的宽带重建算法之间的比较。
2019-08-19 astro-ph.IM eess.IV
Real-time multiframe blind deconvolution of solar images
从地面获得的太阳图像的质量受到湍流地球大气层扰动效应的严重限制。对图像的事后校正以补偿大气的存在需要高阶自适应光学技术、冻结湍流大气的快速测量和非常耗时的盲解卷积算法的组合。在轻微的视觉条件下，盲解卷积算法可以产生质量惊人的图像。它们可以与从太空获得的那些非常有竞争力，由于直接进入望远镜，仪器的灵活性具有巨大的优势。在本文中，我们利用深度学习技术来显著加速盲解卷积过程，并以每秒约100张图像的峰值速率生成校正图像。我们提出了两种不同的架构，产生良好的图像校正与噪声抑制，同时保持图像的光度特性。因此，可以用标准极化调制获得极化信号，而没有任何显著的伪影。随着计算机硬件和算法的预期改进，我们预计在不久的将来，太阳图像的现场实时校正将成为可能。
2018-09-30 astro-ph.IM astro-ph.SR
Fast algorithms to approximate the position-dependent point spread function responses in radio interferometric wide-field imaging
对宽视场、大分数带宽、高灵敏度、高光谱和时间分辨率的需求已经将无线电干涉测量驱动到大数据革命的程度，其中数据以至少三个维度表示，其中轴用于光谱窗口、基线、源等;其中每个轴具有其自己的子维度集合。与存储和处理这些数据相关联的成本非常大，因此已经研究了压缩干涉测量数据和/或加速处理的若干技术。不幸的是，用于可见度数据压缩的基于平均的方法对数据保真度是有害的，因为点扩散函数（PSF）是位置相关的，即，作为距相位中心的距离的函数而失真和衰减。PSF的位置依赖性变得更加严重，需要更多的PSF计算用于宽场成像。反卷积算法必须在主周期和次周期中考虑失真，以适当地减去PSF并恢复图像的保真度。这种方法在计算上是昂贵的，因为在每次去卷积迭代时，必须计算失真的PSF。我们提出了两种算法，近似这些位置相关的PSF与更少的计算。第一种算法近似$uv$平面中的位置相关PSF，第二种算法近似图像平面中的位置相关PSF。所提出的算法进行了验证，使用模拟数据从MeerKAT望远镜。
2020-09-15 astro-ph.IM
PSF Deconvolution of the IFU Data and Restoration of Galaxy Stellar Kinematics
我们提出了一个性能测试的点扩散函数反卷积算法应用于天文积分场单元（IFU）光谱数据恢复星系运动学。我们通过将Lucy-Richardson算法应用于每个波长的2D图像切片来对IFU数据进行反卷积。我们证明，该算法可以有效地恢复真实的恒星运动学的星系，通过使用模拟IFU数据与不同的组合的表面亮度剖面，S/N，视线几何和视线速度分布（LOSVD）。此外，我们表明，代理的自旋参数$λ_{R_{e}}$可以准确地测量从去卷积的IFU数据。我们将反卷积算法应用于实际的SDSS-IV MaNGA IFU调查数据。从去卷积的MaNGA IFU数据测量的2D LOSVD、几何结构和$λ_{R_{e}}$与从原始IFU数据测量的相比显示出明显差异。该方法可以应用于任何其他规则网格IFU数据，以提取PSF去卷积的空间信息。
2021-06-09 astro-ph.GA astro-ph.IM
Astronomical Image Processing Benchmark Study for Various Telescope Aperture Shapes
本研究通过模拟六种望远镜孔径的PSF并应用Richardson-Lucy反卷积，评估了孔径形状对天文图像模拟和反卷积精度的影响，强调了针对不同孔径优化处理流程的必要性。
2024-02-07 astro-ph.IM
ShapeNet: Shape Constraint for Galaxy Image Deconvolution
深度学习（DL）在解决各个领域的反问题方面取得了显着的成果。特别是，Tikhonet方法非常强大，可以对光学天文图像进行去卷积（Sureau et al. 2020）。然而，该方法仅使用了$\ell_2$损失，这不能保证图像中重建的对象的物理信息（例如，通量和形状）的保留。在Nammour et al.（2021）中，在稀疏反卷积的框架下提出了一种新的损失函数，该函数更好地保留了星系的形状并降低了像素误差。在本文中，我们扩展Tikhonet考虑到这种形状约束，并应用我们的新DL方法，称为ShapeNet，光学和无线电干涉模拟数据集。本文的原创性依赖于i）我们在神经网络框架中使用的形状约束，ii）深度学习首次应用于无线电干涉图像反卷积，iii）我们为社区提供的模拟无线电数据集的生成。一系列的例子说明了结果。
2022-03-14 astro-ph.IM eess.IV
A Statistical Definition of Image Resolution Based on the Correlation of Pixels
分辨率是图像的一个基本属性，通常由瑞利准则或点扩散函数的半高宽定义。在这里，我们提出了一个新的统计定义的图像分辨率的基础上的图像中的像素的互相关特性。它表明，新的定义的图像分辨率不仅取决于一个成像设备的点扩散函数，但也对数据的信噪比和对对象的结构。在图像中，分辨率不必是均匀的。我们的新定义也适用于解卷积结果的解释。我们说明了这一点，在本文中，与维纳反卷积。研究发现，低信噪比数据可以提取出弱结构，但分辨率较低;高信噪比数据经过维纳反褶积处理后可以得到高分辨率图像。新定义还可用于比较各种反褶积算法的分辨率、灵敏度和旁瓣电平等处理效果。
2015-10-28 astro-ph.IM
Strong Gravitational Lens Modeling with Spatially Variant Point Spread Functions
天文仪器通常具有空间变化的点扩散函数，其确定作为位置的函数的图像像素模糊的量。已经设计了几种技术来处理标准图像去卷积问题的上下文中的这种变化。我们已经开发了一个迭代引力透镜建模代码称为海市蜃楼，确定一个给定的透镜模型的像素化源强度分布的参数。我们能够包括空间变化的点扩散函数的影响，使用迭代程序在这个透镜代码。在本文中，我们讨论的方法，包括空间变化的模糊效果和测试的重力透镜建模问题的背景下，该算法的结果。
2012-01-10 astro-ph.CO astro-ph.GA astro-ph.IM
PI-AstroDeconv: A Physics-Informed Unsupervised Learning Method for Astronomical Image Deconvolution
Research Center for Astronomical Computing（天文计算研究中心）；Zhejiang Laboratory（浙江实验室）
本文提出 PI-AstroDeconv，一种融合望远镜 PSF 物理先验的无监督编码器-解码器架构，利用 FFT 卷积高效处理高分辨率天文图像，并比较 AE 与 U-Net 等回归网络。
2024-03-04 astro-ph.GA astro-ph.IM cs.CV
Solar multi-object multi-frame blind deconvolution with a spatially variant convolution neural emulator
Instituto de Astrofísica de Canarias (IAC)（加那利群岛天体物理研究所）；Universidad de La Laguna（拉古纳大学）
针对地基太阳观测受大气湍流畸变影响、传统反卷积方法效率低易生伪影的问题，提出基于深度神经网络的空间变卷积仿真器框架，用作多目标多帧盲反卷积前向模型，无需斑块拼接，大幅提升反卷积效率与准确性。
2024-05-16 astro-ph.IM cs.CV
High-order aberration compensation with Multi-frame Blind Deconvolution and Phase Diversity image restoration techniques
上下文为了精确测量强度和确定小尺度太阳（磁）结构的磁场强度，对点扩散函数的了解和补偿是至关重要的。对于用瑞典1米太阳望远镜记录的图像，用多帧盲解卷积和联合相位分集散斑方法进行恢复导致图像质量显著改善，但颗粒对比度太低，表明有额外的杂散光。目标。我们提出了一种方法来补偿杂散光高阶大气像差不包括在MFBD和JPDS处理。方法.为了补偿未校正的像差，提出了一种重新制定的图像恢复过程中，允许的平均效果的数百个高阶模式进行补偿，依靠这些模式的柯尔莫哥洛夫统计。该方法的适用性需要同时测量弗里德参数r0。该方法进行了测试，模拟以及实际数据和扩展到包括补偿传统的杂散光。结果我们发现，只有部分的SST图像中的颗粒对比度的减少是由于未补偿的高阶像差。其余的仍然是不明原因，并归因于杂散光从大气中，望远镜与其重新成像系统和各种高空视宁效应。结论.我们的结论是，高阶模式的统计补偿是一种可行的方法，以减少损失的对比度时发生的有限数量的像差是明确补偿MFBD和JPDS处理。我们表明，良好的补偿是可能的，只有10个记录帧。该方法的主要局限性在于，MFBD和JPDS处理已经引入了高阶补偿，如果不考虑高阶补偿，则可能导致过补偿。
2010-07-07 astro-ph.IM astro-ph.SR
Re-thinking Richardson-Lucy without Iteration Cutoffs: Physically Motivated Bayesian Deconvolution
Center for Biological Physics, Arizona State University（亚利桑那州立大学生物物理中心）；Department of Physics, Arizona State University（亚利桑那州立大学物理系）；School of Molecular Sciences, Arizona State University（亚利桑那州立大学分子科学学院）
针对Richardson-Lucy反卷积的稀疏偏好和噪声过拟合问题，提出一种物理驱动的贝叶斯反卷积框架，在空间域建模噪声、无需参数调整或迭代截断，产生严格正解且支持并行计算。
2024-11-01 astro-ph.IM cs.CV physics.bio-ph
Galaxy Image Restoration with Shape Constraint
用望远镜获得的图像是模糊的，并被噪声破坏。模糊通常通过与点扩散函数的卷积来建模，而噪声通过加性高斯噪声来建模。恢复观测图像是一个不适定的反问题。稀疏反卷积是一种有效的反卷积技术，可以优化像素均方误差，但不能保证数据中包含的物体（例如星系图像）的形状将被保留。在本文中，我们引入了一个新的形状约束，并展示了它的性质。通过将其与小波域中的标准稀疏正则化相结合，我们引入了形状约束恢复算法（SCORE），该算法执行标准稀疏反卷积，同时保留星系形状。我们通过数值实验表明，这种新的方法导致减少星系椭圆率测量误差至少44%。
2021-01-25 astro-ph.IM eess.IV
Post-AO high-resolution imaging using the Kraken multi-frame blind deconvolution algorithm
在极端自适应光学（ExAO）的大望远镜的背景下，我们提出了Kraken多帧盲解卷积（MFBD）算法处理高节奏的收购，能够提供一个衍射有限的估计源亮度分布。这是通过估计入射光瞳处的瞬时波前驱动的序列中的每个帧的数据建模来实现的。在适当的物理约束下，数值收敛是由一个迭代计划从紧凑MFBD（CMFBD），它提供了一个非常强大的初始猜测，只采用了几个帧。我们描述了这一过程背后的数学原理，并报告了用SHARK-VIS的前体获得的光谱二进制α和（16.3质量分离）的高分辨率重建，SHARK-VIS是即将到来的大型双目望远镜可见光高对比度相机。
2022-02-04 astro-ph.IM
Revisiting a flux recovery systematic error arising from common deconvolution methods used in aperture-synthesis imaging
本文重新审视了综合孔径成像中CLEAN类反卷积算法因图像单位不匹配导致的通量密度系统性偏移问题，通过模拟量化了误差范围并提出了可将误差降至百分之几的缓解方法。
2023-10-19 astro-ph.IM
Deconvolution of JWST/MIRI Images: Applications to an AGN Model and GATOS Observations of NGC 5728
本研究评估了五种解卷积算法以改善JWST/MIRI图像质量并减轻复杂PSF影响，发现Kraken在AGN模型与NGC 5728观测中显著缩减核源FWHM并有效揭示隐藏的微弱延展特征。
2024-02-14 astro-ph.GA astro-ph.IM
Accurate photometry with adaptive optics in the presence of anisoplanatic effects with a sparsely sampled PSF
在用自适应光学观测稠密恒星场的分析中，非等晕效应会引起显著的系统光度不确定性。程序包已经开发了一个空间可变的PSF，但他们需要有足够数量的明亮，孤立的恒星在图像中存在充分的采样PSF。对银河系中心进行成像尤其具有挑战性。我们提出了两种方法来处理空间可变的PSF时，只有一个或非常少的合适的PSF参考星存在于现场。局部PSF拟合与星算法应用于数据。可以通过两种方式找到令人满意的结果：（a）通过将局部提取的PSF核心与从场中最亮的星估计的PSF翼合并来创建局部PSF;（b）用从场中最亮的星估计的PSF对图像进行维纳去卷积，并随后对去卷积图像上的局部PSF进行估计。该方法进行了测试，真实的，和人工图像。在局部PSF提取和拟合之前对图像进行维纳反卷积的方法给出了良好的结果。它将点源测光中的系统效应限制为~2-5%，在通过H波段滤光片观察的28”x 28”视场上的漫发射中的系统效应限制为~10%。特别注意的是如何反卷积改变图像的噪声特性。结果表明，解卷积能保持恒星的平均位置和平均通量。然而，如果像这里所做的那样在PSF拟合中忽略协方差的存在，则PSF拟合算法的估计不确定性太小。然而，可以从模拟图像或通过比较独立数据集上的测量来确定适当的比例因子。
2009-12-07 astro-ph.IM
torchmfbd: a flexible multi-object multi-frame blind deconvolution code
Universidad de La Laguna（拉古纳大学）；University of Oslo（奥斯陆大学）；Stockholm University（斯德哥尔摩大学）
torchmfbd是一种基于PyTorch的开源代码，用于多目标多帧盲反卷积，支持灵活的PSF参数化和正则化技术，适用于天文图像修复。
2025-05-15 astro-ph.IM
STARRED: a two-channel deconvolution method with Starlet regularization
STARRED是一个基于Starlet小波正则化的双通道天文图像反卷积Python软件包，通过分别重建点源与延展源通道并将图像提升至更高分辨率而非完全消除PSF影响，解决了大气湍流和衍射导致的图像模糊问题。
2023-05-29 astro-ph.IM physics.comp-ph
Blind Deconvolution in Astronomy: How Does a Standalone U-Net Perform?
Université Paris-Saclay, CNRS/IN2P3, IJCLab（巴黎萨克雷大学，法国国家科学研究中心/法国国家粒子物理研究中心，IJCLab）
本研究评估了U-Net在天文图像盲去卷积中的性能，发现其在不同观测和噪声条件下表现优异，优于传统方法。
2026-01-13 astro-ph.IM cs.CV
Image deconvolution and PSF reconstruction with STARRED: a wavelet-based two-channel method optimized for light-curve extraction
提出基于小波的双通道反卷积方法STARRED，通过联合处理历元变化并分离点源与扩展源，实现高精度PSF重建和光变曲线提取，适用于LSST和JWST等大型时域数据中的变星和暂现源研究。
2024-07-24 astro-ph.GA astro-ph.IM
Image Reconstruction with Analytical Point Spread Functions
由大气湍流和光学像差产生的图像退化通常使用事后图像重建技术来减轻，即使在使用自适应光学系统进行观察时也是如此。这些技术依赖于使用Zernike函数和特定度量的非线性优化的波前的发展。由此产生的优化过程是计算繁重的。我们的目标是减轻这种计算负担。为此，我们推广了最近发展的扩展Zernike-Nijboer理论进行解析积分的菲涅耳积分和提出了一个自然的基础设置的点扩散函数的发展情况下，波前使用Zernike函数。我们提出了一个线性展开的点扩散函数的解析函数，其中，另外，考虑到散焦在一个自然的方式。这种扩展是用来开发一个非常快速的相位分集重建技术，这是通过一些应用程序证明。这表明点扩散函数的线性展开可以应用于加速目前使用的基于盲反卷积的其他重建技术。
2010-04-19 astro-ph.IM physics.optics
A convergent blind deconvolution method for post-adaptive-optics astronomical imaging
Università di Ferrara（费拉拉大学）
本文提出了一种适用于受泊松噪声扰动数据的盲反卷积方法，采用广义Kullback-Leibler散度作为目标函数，通过非精确交替最小化方法解决非凸问题，具有全局收敛性，适用于非密集恒星团的重建。
2013-05-02 astro-ph.IM cs.NA math.NA
Neural blind deconvolution to reconstruct high-resolution ground-based solar observations
University of Graz（格拉茨大学）；NSF National Center for Atmospheric Research（美国国家科学基金会国家大气研究中心）；Kanzelhöhe Observatory for Solar and Environmental Research, University of Graz（格拉茨大学卡恩泽霍赫太阳与环境研究天文台）；National Solar Observatory（国家太阳天文台）
本文提出基于物理指导神经网络的神经盲反卷积方法，用于高分辨率太阳图像重建，实现了前所未有的空间分辨率和小尺度太阳特征的重建。
2026-03-05 astro-ph.IM astro-ph.SR
Learning to do multiframe wavefront sensing unsupervisedly: applications to blind deconvolution
Instituto de Astrofísica de Canarias（加那利群岛天体物理研究所）；Universidad de La Laguna（拉古纳大学）；Max Planck Institute for Solar System Research（马克斯·普朗克太阳系研究所）
地面望远镜的观测受到地球大气层的影响，这严重干扰了它们。自适应光学技术的使用使我们能够部分克服这一限制。然而，通常需要应用于短曝光图像的突发的图像选择或事后图像重建方法来达到衍射极限。深度学习最近被提出来作为加速这些图像重建的有效方法。目前，这些深度神经网络是在监督下训练的，因此需要先验地应用标准的反卷积算法，或者需要对太阳磁对流进行复杂的模拟来生成训练集。我们的目标是提出一种通用的无监督训练方案，允许多帧盲解卷积深度学习系统简单地通过观察进行训练。该方法可应用于点以及扩展对象的校正。利用线性图像形成理论和概率方法的盲反卷积问题产生的物理动机的损失函数。该损失函数的优化允许对由三个神经网络组成的机器学习模型进行端到端训练。作为例子，我们应用这个程序的恒星数据的去卷积的FastCam仪器和太阳扩展的数据从瑞典太阳望远镜。分析表明，所提出的神经模型可以成功地训练，而无需监督，只使用观察。它提供了瞬时波前的估计，使用标准的反卷积技术可以从中找到校正图像。该网络模型比应用基于优化的标准反卷积大约快三个数量级，并显示出在望远镜上实时使用的潜力。
2020-12-20 astro-ph.IM cs.CV
Extended object reconstruction in adaptive-optics imaging: the multiresolution approach
Universitat de Barcelona（巴塞罗那大学）；Observatori Fabra（法布拉天文台）
提出使用小波和曲波等多分辨率变换重建自适应光学系统获取的扩展目标图像，通过静态PSF的多通道反卷积方法优于传统的盲/近视反卷积方法。
2012-10-25 astro-ph.IM cs.CV cs.NA
Optical performance of the JWST MIRI flight model: characterization of the point spread function at high-resolution
中红外线仪器（MIRI）是詹姆斯·韦伯太空望远镜（JWST）上的四个仪器之一，提供5-28微米波段的成像，日冕照相和光谱学。为了验证该仪器的光学性能，CEA在低温和红外条件下对中红外成像仪（MIRIM）的飞行模型（FM）进行了广泛的测试。本文报道了在成像的最短工作波长5.6微米处的点扩散函数（PSF）测量。在5.6微米处，PSF不是奈奎斯特采样的，因此我们使用原始技术，该技术将微扫描测量策略与反卷积算法相结合，以获得过分辨的MIRIM PSF。微扫描包括在焦平面上的点源的子像素扫描。一个数据反演方法被用来重建PSF的图像是过解决的一个因素7相比，MIRI的原生分辨率。我们表明，高分辨率的PSF的半高宽比Zemax模拟得到的宽5-10%。主要原因被确定为M4反射镜的倾斜超出规格。修正后，进行了两个额外的测试活动，我们表明，PSF的形状符合预期。与模拟结果一致，PSF的半高宽为0.18-0.20 arcsec。在整个视场内，总环绕能量的56.1-59.2%（归一化为5弧秒半径）包含在第一暗艾里环内。在较长的波长（7.7-25.5微米），这个百分比是57- 68%。因此，MIRIM符合光学质量要求。MIRIM PSF的这种表征以及这里提出的去卷积方法，不仅对于光学质量的验证和MIRI校准，而且对于科学应用都特别重要。
2010-06-29 astro-ph.IM
Generative Adversarial Networks recover features in astrophysical images of galaxies beyond the deconvolution limit
ETH Zurich（苏黎世联邦理工学院）
对星系等天体物理物体的观测受到来自天空背景、望远镜光学系统和用于记录数据的探测器的各种随机和系统噪声的限制。传统的反褶积技术在其恢复成像数据中的特征的能力方面受到香农-尼奎斯特采样定理的限制。在这里，我们训练生成对抗网络（GAN）的样本$4,550$图像附近的星系在$0.01<z<0.02$从斯隆数字巡天和进行$10\times$交叉验证，以评估结果。我们提出了一种使用在星系图像上训练的GAN的方法，该方法可以从人工退化的图像中恢复特征，这些图像具有比原始图像更差的可见度和更高的噪声，其性能远远超过简单的反卷积。从低信噪比和低角分辨率的成像数据中更好地恢复星系形态等详细特征的能力大大提高了我们研究天体物理物体现有数据集的能力，也大大提高了我们今后利用大型综合天空望远镜（LSST）和哈勃及詹姆斯·韦伯空间望远镜等天文台进行观测的能力。
2017-02-01 astro-ph.GA astro-ph.IM cs.LG
A blind deconvolution method for ground based telescopes and Fizeau interferometers
Università di Modena e Reggio Emilia（摩德纳和雷焦艾米利亚大学）；Università di Genova（热那亚大学）；Università di Ferrara（费拉拉大学）
本文提出一种改进的盲去卷积方法，通过引入额外约束和多幅图像处理，提升对地面望远镜和斐索干涉仪中点扩散函数的估计精度。
2015-03-19 astro-ph.IM cs.NA math.NA
Joint Deconvolution of Astronomical Images in the Presence of Poisson Noise
提出了一种在泊松噪声下结合多仪器观测与基于图像块先验的联合似然反卷积方法Jolideco，显著提升了天文图像重建质量。
2024-03-20 astro-ph.HE astro-ph.IM
A Deconvolution Technique to Correct Deep Images of Galaxies from Instrumental Scattered Light
对星系周围恒星精细结构和外晕发出的漫射光进行深度成像，现在经常被用来探测它们过去的质量组合。由于扩展的晕比相对脆弱的潮汐特征存活得更久，它们可以追溯到更古老的合并。我们使用的图像达到表面亮度限制低至28.5-29 mag.arcsec-2（g波段），以获得光和颜色的配置文件，以5-10有效半径的附近的早期类型的星系的样本。它们是由MegaCam作为CFHT MATLAS大型项目的一部分获得的。这些配置文件可以比较所产生的模拟星系形成和演化，一旦校正仪器的影响。事实上，它们可能会被仪器内的内反射引起的散射光严重污染。特别是，星系核在外晕中产生人造通量，必须精确地减去。我们提出了一种反卷积技术，以消除人工晕，使非常大的内核使用。基于PyOperators的技术比同样用于此目的的模型卷积方法更省时。对于那些结构复杂、难以建模的星系来说，情况尤其如此。对点扩散函数（PSF），包括其外翼，有一个很好的了解，是该方法的关键。MegaCam PSF模型的数据库对应于不同的观看条件和波段直接从深层图像生成。结果表明，在不同波段的PSF的差异导致人为的颜色配置文件中的变化，特别是一个红色的星系有一个明亮的核心的郊区。用一组模拟图像验证了该方法，并将其应用于三个代表性的测试案例：NGC 3599，NGC 3489和NGC 4274，其中两个案例显示出突出的鬼晕。该方法成功地将其删除。
2016-12-15 astro-ph.GA astro-ph.IM
AnisoCADO: a python package for analytically generating adaptive optics point spread functions for the Extremely Large Telescope
AnisoCADO是一个Python软件包，用于为欧洲极大望远镜（ELT）生成点扩散函数（PSF）的图像。该代码允许用户设置许多最重要的大气和观测参数，这些参数会影响所得到的PSF的形状和斯特雷尔比，包括但不限于：大气湍流廓线、单共轭自适应光学（SCAO）解决方案的引导星位置、差分望远镜光瞳透射率等。https://anisocado.readthedocs.io/en/latest/
2020-06-30 astro-ph.IM
Stray-light contamination and spatial deconvolution of slit-spectrograph observations
在光学表面和地球大气层中散射产生的杂散光降低了观测的空间分辨率。我们研究了杂散光对POLIS两个通道的贡献。我们测试了不同的杂散光校正和空间反卷积方法的性能，以提高事后的空间分辨率。我们将杂散光建模为具有两个分量：光谱色散分量和由光谱仪内部散射引起的寄生光分量。我们使用几个测量来估计两个贡献：观测（部分）阻塞FOV，卷积的FTS光谱图集，在光瞳平面成像，本影轮廓，和杂散极化信号在大地线。测量使我们能够估计POLIS和德国VTT的主摄谱仪的空间PSF。我们使用的PSF两个光谱偏振数据的反卷积和调查的光谱上的效果。寄生贡献可以直接和准确地确定为POLIS，约为5%。我们估计分散的杂散光在整个FOV上的下限约为10%。在安静的太阳区域，来自给定空间点的近环境（d< 2”）的杂散光水平约为20%。对于POLIS和主摄谱仪，在距照明区域20”的距离处杂散光减少到2%以下。杂散光贡献的两个组件模型似乎是足够的基本校正所观察到的光谱。所得到的仪器PSF可用于模拟离边杂散光，对具有较大空间强度梯度的测量觇标（如太阳黑子）准确地确定杂散光污染，并允许事后提高观测的空间分辨率。
2011-10-11 astro-ph.IM
A New PSF Deconvolution Algorithm: Simultaneous Spatial Resolution Enhancement and Point Source Removal for Morphological Analysis of AGN Host Galaxies
Kitami Institute of Technology（北见工业大学）
本文提出一种新的PSF解卷积算法，用于增强AGN宿主星系的空间分辨率并去除中心点源，以改进星系形态分析。
2026-05-14 astro-ph.CO astro-ph.GA astro-ph.IM
Point Spread Function for Ground Layer Adaptive Optics
地面层自适应光学系统（GLAO）使用单个自适应反射镜在宽视场范围内部分校正大气像差和望远镜像差的波前。代替在窄场上达到衍射极限，该想法是在适合于多物体摄谱仪或宽场成像器的宽场上提供PSF的部分改进。我们推导出一个解析公式的GLAO校正PSF，然后应用于开发一种方法来计算天文仪器的灵敏度提高。
2017-05-31 astro-ph.IM
Black hole ring images from PSF structures
本文指出EHT发布的黑洞环图像尺寸与PSF旁瓣间距相似，怀疑其是PSF解卷积不完全导致的伪影，强调需评估EHTC新成像方法的PSF解卷积和数据校准能力。
2024-09-26 astro-ph.IM
Adaptive optics point spread function reconstruction: lessons learned from on-sky experiment on Altair/Gemini and pathway for future systems
我们提出了一个在天空中的点扩散函数重建（PSF-R）的实验的双子座北望远镜自适应光学系统，牛郎星，在最简单的模式，明亮的轴上的自然伪装星。我们证明了我们的PSF-R方法确实适用于系统性能诊断，但受到隐藏的望远镜和系统像差的影响，这些都没有在模型中考虑到，使得Altair的重建目前不成功。我们讨论了差异的可能来源。在最后一节中，我们提出了未来多个自然和激光制导星系统的替代PSF-R方法。
2010-07-16 astro-ph.IM
Image recovery with the solar gravitational lens
我们报告的初步结果与图像卷积/反卷积的计算机代码，我们开发和使用的研究太阳引力透镜（SGL）的图像形成能力。虽然球形太阳的SGL会产生一个非常模糊的图像，但SGL的点扩散函数（PSF）的知识使得有可能重建原始图像并通过反卷积去除模糊。我们讨论的反卷积过程中，可以实现直接矩阵求逆或与傅立叶商的方法。我们观察到，与收集模糊图像数据时的SNR相比，该过程以恢复图像的信噪比（SNR）降低的形式引入“惩罚”。我们估计使用的分析方法，并确认了一系列的数值模拟的结果，这种惩罚的大小。我们发现，当图像样本之间的间距比望远镜孔径大时，惩罚大大减少。可以通过适当的噪声滤波来进一步减少惩罚，这可以产生${\cal O}(10)$或针对低质量成像数据的更好的改进。我们的研究结果证实，它是可能的，使用SGL成像的目的。我们提供了关于数据收集和图像处理策略的见解，这些策略可以在与现实太空任务持续时间一致的图像数据收集时间内生成系外行星的详细图像。
2021-06-14 astro-ph.IM gr-qc physics.optics
CLEAN algorithm implementation comparisons between popular software packages
本研究针对射电天文干涉成像去卷积需求，对比了WSCLEAN、CASA及SKA原型版的Högbom与msCLEAN算法实现，发现两类测试数据集下各软件输出结果均存在偏差或差异。
2024-03-05 astro-ph.IM
