INTEGRAL编码板数据的较差CLEAN成像

1、INTEGRAL编码板数据的较差CLEAN成像 贾振卿内容提纲 课题背景 工作基础 模拟结果课题背景 Integral宇宙观测卫星于2002年8月17号成功发射。它携带有两台大型伽马望远镜，其中一台为编码板望远镜。该卫星的主要观测设备之一IBIS位于硬X射线及软伽马波段。它主要提供15keV到10MeV能段2929范围内的高分辨率（约12）天体图像，对轴的典型敏感度为每100keV约1mCrab。Integral相关相关IBIS编码板成像系统包括了一个MURA，以及两个与编码板大小基本相当的伽马射线探测器。其中ISGRI是低能段探测器（15keV-1MeV），PICsIT是高能段探测器（175

2、keV-10MeV）。IBIS的物理特性决定了其FCFOV为88，到一半敏感度的总FOV为1919，零敏感度FOV为2929。理论角分辨率12。ISGRI成像采样率为5个像素， PICsIT为10个像素。IBIS的MURA编码板尺寸为11.211.216mm3，ISGRI探测器为128128的CdTe晶体阵列，每个单元的尺寸为442mm3，单元中心间的距离为4.6mm。PICsIT为6464的CsI探测器，单元尺寸是8.48.430mm3，单元间距9.2mm。编码板成像是小孔成像的推广。观测所编码板成像是小孔成像的推广。观测所得图像是被观测物体与编码板的卷积。得图像是被观测物体与编码板的卷积。

3、D=S*M编码板成像交叉相关算法是根据编码板的成像公式直交叉相关算法是根据编码板的成像公式直接反解出图像的方法。接反解出图像的方法。S=D*G=S*M*G这种方法存在着很大的缺陷：这种方法存在着很大的缺陷：1.不能有效地消除鬼像。不能有效地消除鬼像。2.不能有效抑制强的本底。不能有效抑制强的本底。3.弱扩展源会淹没在背景噪声中。弱扩展源会淹没在背景噪声中。INTEGRAL成像算法使用的是传统的成像算法使用的是传统的CLEAN算法算法 。 CLEAN是由科学家是由科学家Hgbom（1974）提出的一种成像）提出的一种成像算法。它最初被应用到干涉阵的成像处理中。算法。它最初被应用到干涉阵的成像处理

4、中。 干涉阵中望远镜的数目有限，采样到的可见度数据往往干涉阵中望远镜的数目有限，采样到的可见度数据往往比较稀疏，甚至存在大片的空白区。经过比较稀疏，甚至存在大片的空白区。经过Fourier变换后，变换后，由于存在很强的旁瓣效应，得到的图像和真实的图像相由于存在很强的旁瓣效应，得到的图像和真实的图像相去甚远，只能算是去甚远，只能算是“脏图脏图” 。CLEAN算法是从观测结果直接变换所得的算法是从观测结果直接变换所得的“脏图脏图”出发，出发，通过不断迭代运算，最终能获得与真实的图像很接近的通过不断迭代运算，最终能获得与真实的图像很接近的“净图净图” 。CLEAN具体的实现过程是：首先寻找脏图中的最

5、亮点。具体的实现过程是：首先寻找脏图中的最亮点。在假设图像中只存在点源的基础上，可以认为这一点在假设图像中只存在点源的基础上，可以认为这一点必定存在真实点源的贡献，比例为某一系数必定存在真实点源的贡献，比例为某一系数y。然后。然后从脏图中减去这一贡献。从脏图中减去这一贡献。重复上述步骤，直至某一终止条件。重复上述步骤，直至某一终止条件。最后用理想的最后用理想的PSF代替减去的部分加到剩余的图像上代替减去的部分加到剩余的图像上就得到了净图。就得到了净图。CLEAN算法能够有效消除鬼像和本底噪声。算法能够有效消除鬼像和本底噪声。但后来发现从但后来发现从“脏图脏图”出发并不是很合理。原因在于实际的出

6、发并不是很合理。原因在于实际的天文观测中，数据往往是不等间隔采样的。为了执行诸如快天文观测中，数据往往是不等间隔采样的。为了执行诸如快速速Fourier变换等运算，需要对数据进行网格化、插值等操变换等运算，需要对数据进行网格化、插值等操作。这就人工引入了额外的噪声，而且这些噪声残余在脏图作。这就人工引入了额外的噪声，而且这些噪声残余在脏图中，不能在后续的中，不能在后续的CLEAN中被消除掉。中被消除掉。插值产生噪声插值产生噪声较差CLEAN较差较差CLEAN是在是在CLEAN算法的基础上加以改进。它从算法的基础上加以改进。它从“脏图脏图”中估计出部分真实信号后，不是直接在中估计出部分真实信号后

7、，不是直接在”脏图脏图”上进行上进行CLEAN操作，而是根据成像原理，反推出每个操作，而是根据成像原理，反推出每个观测数据点上对应的观测数据点上对应的”模型数据模型数据”，把观测数据与，把观测数据与“模模型数据型数据”的差值当作下一次的差值当作下一次CLEAN的起始点。的起始点。较差较差CLEAN可以有效避免不等间隔数据、数据缺失引可以有效避免不等间隔数据、数据缺失引入的噪声入的噪声 ，得到更好的图像质量。，得到更好的图像质量。工作基础 单Science Window 的较差CLEAN成像 多 Science Window的图像拼接单Science Window 的较差CLEAN成像 目前已利

8、用目前已利用IDL编程实现了对单个编程实现了对单个FITS文件图像的文件图像的CLEAN成像。成像。 INTEGRAL采用的是采用的是MURA编码板。其占空比约为编码板。其占空比约为1。 G=2M-1鬼像观测数据由fits文件得到处理结果 脏图 净图多Science Window 的图像拼接 仅利用一幅图像的数据得到的结果仍然可以改进。仅利用一幅图像的数据得到的结果仍然可以改进。通过将同一对象的多个不同角度的观测数据进行叠加，通过将同一对象的多个不同角度的观测数据进行叠加，可以进一步消除噪声的干扰，重建出更好的图像。可以进一步消除噪声的干扰，重建出更好的图像。直接使用观测图像进行拼接存在问题。直接使用观测图像进行拼接存在问题。为了实现多幅图像的拼接工作，需要将所有图像变换为了实现多幅图像的拼接工作，需要将所有图像变换到统一的坐标系。到统一的坐标系。坐标转换X = X0 + dX p11 (I - I