Dec, 2023
使用深度卷积图像重建的直接系外行星检测（ConStruct）：一种用于后处理高对比度图像的新算法
Direct Exoplanet Detection Using Deep Convolutional Image Reconstruction (ConStruct): A New Algorithm for Post-Processing High-Contrast Images
Trevor N. Wolf, Brandon A. Jones, Brendan P. Bowler
TL;DR我们提出了一种新颖的机器学习方法，用于检测高对比度自适应光学成像数据中的微弱点源。通过利用深度学习在一种新颖的直接成像后处理算法中，我们的方法旨在改进恒星噪声的近似并提高行星探测灵敏度。我们展示了一个卷积自编码神经网络在广泛的实际成像序列参考库上进行训练，能够准确重构潜在行星信号位置的恒星斑点噪声。我们称这个工具为 ConStruct，通过使用真实的 Keck/NIRC2 角差分成像数据集评估了 ConStruct 的可靠性和灵敏度。在我们考察的 30 个独特的点源中，ConStruct 对 67％的情况产生比传统基于 PCA 的处理更高的信噪比，并且相对对比度提高了最多 2.6 倍。这项工作展示了深度学习利用多样的点扩散函数实现来改进直接成像后处理的价值和潜力。ConStruct 及其未来的改进可能特别适用于处理来自詹姆斯・韦伯太空望远镜和极端自适应光学仪器的高对比度图像，无论是对于当前的望远镜还是设计中的 30 米级望远镜。