目前，在处理自适应光学（AO）辅助观测数据时，对点扩散函数（PSF）知识的访问仍然是一个主要的限制。当图像分析需要使用去卷积方法时，这种限制尤为重要。由于PSF是一个复杂且时变的函数，因此在科学观测之前或之后从校准星上获得的参考PSF可能与观测的实际PSF差异过大，无法用于去卷积，从而导致最终图像中出现伪迹。我们通过改进所谓的边际方法来改善现有的PSF估计方法，以增强对象先验，使其更加健壮，适用于解析扩展对象的观测。我们的过程基于文献中的两步盲去卷积方法。第一步是从科学图像中估计PSF。为此，我们使用了一个解析PSF模型，其参数是基于边际算法估计的。然后将该PSF用于去卷积。本研究首先通过模拟研究了在PSF参数知识方面获得精确且具有弹性的去卷积过程的要求。我们表明，当前的边际算法没有提供所需的精度水平，尤其是在存在小对象的情况下。因此，我们通过提供一个新的对象描述模型来修改边际算法，从而改善所需的PSF参数估计。我们的方法在模拟中使用具有逼真的系统配置和不同类别的太阳系天体来实现去卷积要求。最后，我们通过利用SPHERE / ZIMPOL观测Kleopatra小行星进行盲去卷积来验证我们的方法。
论文链接：http://arxiv.org/pdf/2303.09422v1
更多计算机论文：http://cspaper.cn/