返回
An Efficient Shift-and-stack Algorithm Applied to Detection Catalogs
DOI:10.3847/1538-3881/ae0e1a.png)
摘要
En 中文
太阳系天体发现的边界在于探测其最暗弱的成员。然而,在成像调查的探测目录中寻找它们时,其发现本质上受到在信噪比(SNR)≥ 5的阈值处进行探测的实践限制,以保持目录的纯净度。暗弱运动天体可以通过移位-叠加(shift-and-stack)算法从调查图像中恢复,该算法沿着候选轨迹将多历元图像的像素进行叠加。与真实天体匹配的轨迹会相干累积信号,从而实现对非常暗弱运动天体的高置信度探测。应用移位-叠加算法伴随着高昂的计算成本,其规模随目标天体速度变化,通常限制其仅用于外太阳系慢速运动天体的搜索。本研究引入了一种改进的移位-叠加算法,以灵敏度换取加速。我们的算法叠加低信噪比(low-SNR)探测目录而非像素,目录的稀疏性使其能够进行近似计算,从而减少所需的叠加次数。我们的算法在保持寻找暗弱天体能力的同时,相较于基于图像的移位-叠加算法实现了10-103倍的实时加速。我们通过从DECam黄道探索项目(DECam Ecliptic Exploration Project)的图像中恢复合成的内、外太阳系天体来验证其性能。在探索该算法的灵敏度-计算时间权衡时,我们发现与基于图像的移位-叠加算法相比,我们的方法在牺牲0.25等深度的同时,实现了约30倍的加速,同时内存使用量减少了88%。这些加速使移位-叠加算法能够广泛应用于大规模成像调查和暗弱内太阳系天体的搜索。我们通过find-asteroids Python软件包以及该网址提供了参考实现:https://github.com/stevenstetzler/find-asteroids。
Keyword:
COSMIC-RAY REJECTION
SIZE DISTRIBUTION
STREAK DETECTION
OBJECT DETECTION
HOUGH TRANSFORM
PROJECT
ASTROPY
IMAGE
CONSTRAINTS
PACKAGE
期刊
IF:
5.1
论文数:
1.4W
被引数:
5.0W

