麻省理工学院计算机智能实验室和哈佛大学的研究人员开发新算法,帮助天文学家制作黑洞首映像
算法将编译从分布全球的射电望远镜中收集的数据,由国际协作主持,称为事件地平线望远镜项目主要寻求将整个地球转换成大型射电望远镜
raio波长带很多优异性 Katie Bouman说,MIT电气工程计算机科学研究生Caite Bouman引导开发新算法正像无线电频率穿墙 穿银河灰尘我们永远无法看到银河中心可见波长,因为中间有太多东西。”
但由于长波长,无线电波也需要大天线盘世界上最大单射电盘直径为1,000尺,但是它生成的月球图像比从普通后院光学望远镜所见图像模糊得多。
布曼说黑洞离地非常远 非常紧凑仿佛在月球上摄取葡萄树图 使用射电望远镜图像如此小意味着我们需要一台直径达10,000千米的望远镜,这不切实际,因为地球直径甚至达13000千米。”
事件地平线望远镜项目采用的解决办法是协调射电望远镜在不同地点执行的测量目前有6个观测站注册加入项目,并更有可能跟踪
即使是双倍多望远镜也会留大空白数据 因为它们近似一万千米宽天线补缺算法的目的像布曼
布曼将在6月计算机视觉模式识别大会上介绍她的新算法-她称之CHIRP使用Patch前缀持续高分辨率图像重建由她的顾问、电气工程计算机科学教授Bill-Freeman和MITHaystack天文台和哈佛-Smitsonian天体物理中心的同事,包括事件地平线望远镜项目主管Sheperd Doeleman加入会议论文
隐藏延迟
事件地平线望远镜使用技术称为插度学,它综合双望远镜检测到的信号,使信号相互干扰完全可以应用到使用射线插度测量的任何成像系统
通常天文信号会略微不同时分到达两台望远镜计算差分对从信号提取视觉信息至关紧要,但地球大气层也可以减慢无线电波下降速度,夸大运抵时间差异并放弃计算内分量成像所依赖的计算法
Bouman选用智能代数解答问题:如果从三台望远镜测量乘法,由大气噪声引起的额外延迟互冲淡出表示每次新测量需要三台望远镜提供数据,不单二台,精度提高则弥补信息丢失
保留连续性
即使是大气噪声滤出, 从分布全球的几小台望远镜测量 都相当稀疏任意数位可能的图像均能完全匹配数据下一步是编集图像 两者都匹配数据 并满足对图像长相的某些期望布曼和她的同事也在这方面作出贡献
算法传统上用来理解天文间测量数据,假设图像收集单点光,并试图查找亮度和位置最匹配数据的那些点算法相近点相混淆 以恢复天文图像的连续性
CHIRP使用比单个点略复杂但数学上仍可移植的模型模型可想成橡皮板覆盖定期间距锥体,高度不尽相同,但基数直径都相同。
模型匹配插值数据是调整锥体高度问题,长段可为0,对应平面将模型转换成视觉图像像破塑胶封装:塑料贴近峰间拉紧,但滑向相邻平面高度整形对应图像亮度因高度持续变化,模型保留图像自然延续性
布曼网格自然数学抽象化,而塑料封装虚拟信封高度由计算判定数学对象称为样条, 顺畅曲线,像parapolas,结果大都比网格效果优基本思想不变
前置知识
终于布曼使用机器学习算法识别视觉模式,这些模式往往重现64像素现实图像补丁中,她用这些特征进一步完善算法图像重构独立实验中,她从天文图像和陆地场景快照提取补丁,但选择培训数据对最终重构效果微乎其微
布曼准备了一个大型合成天文图像数据库,并鉴于大气噪声随机波动、望远镜本身热噪声以及其他类型噪声,用不同望远镜生成测量数据算法常优于前身重构原创图像并公开测试数据供其他研究人员使用
文件基础:航空航天+防御
