二维多光纤光谱图像处理技术研究

Multi fiber spectrum image is a kind of objective image which is obtained by telescope in field of astronomy. Processing of these images should not be dependent on massive manual interference, and needs to be done in highly effective and automatic ways using machine learning and model recognition. As a result, this project attempts to deeply study solutions to some key issues in processing of 2D multi fiber spectrum images. By establishing a calculative new 2D fiber spectrum image formation model, we get optimizations with high efficiency and quality thus solutions. We develop a multi source decomposition algorithm to effectively perform noise elimination by separating signals from different sources out of multi fiber spectrum images. We also establish new methods to extract signals from images to extract spectrum signals while doing PSF estimation.

二维多光纤光谱图像是一类天文学领域观测获取的目标图像，对这类图像的处理不能依赖于大量的人工干预，而必须借助机器学习、模式识别等技术以高效、自动的方式完成。因此，本项目拟结合机器学习、图像处理领域的智能处理技术，针对二维多光纤光谱图像处理过程中所面临的一些关键问题，深入研究其解决方案。建立新的多光纤光谱成像模型，具有可计算性，得到高效、高质量的优化并求解；发展多源分解算法，将不同源的信号从多光纤光谱图像中分离出来，有效实现噪声消除；建立全新的从图像中提取光谱信号的方法，在进行psf估计的同时同步提取光谱信号。

本项目针对二维多光纤谱图像处理中所面临的一些关键问题，深入研究其解决方案。为了构造具有可计算性、更复杂描述能力更强的多光纤光谱成像模型，结合傅里叶变换、高斯过程，得到大气湍流和望远镜系统的点扩散函数模型。为解决传统ICA 算法基于信号线性组合的假设不能满足本项目非线性成像模型的需要的问题，发展多源分解算法，从目标光谱中分离出天光信息，得到更有效的光谱信号。在一维抽谱方面，针对现有的反卷积方法在大规模、多光纤光谱望远镜的PSF难以确定情况下难以应用的问题， 提出应用盲反卷积抽谱，效果显著。针对点扩展函数的估计过程中核大小难以选择的难题，发展了一个自适应卷积核大小调整算法。考虑到光谱图像畸变对抽谱效果的影响，深入研究图像校正方法，提出了解决方法。