Deconvolution with shapelets
Deconvolution with shapelets
复制标题
使用 shapelet 进行反卷积
DOI：
10.1051/0004-6361:200810472
复制
发表时间：
2009
影响因子：
6.5
通讯作者：
Bartelmann
中科院分区：
文献类型：
--
作者：
Melchior;Andrae;Maturi;Bartelmann
目的我们寻求一种基于 shapelet 的方案，用于从 PSF 中对星系图像进行去卷积，从而获得无偏剪切测量。方法基于 shapelet 空间中卷积的解析公式，我们构建了一个在 PSF 完全已知的假设下恢复未卷积 shapelet 系数的过程。使用特定的模拟，我们测试了这种方法并将其与其他已发布的方法进行比较。结果我们表明，shapelet 空间中的卷积导致了阶数为 的 shapelet 模型，其中 和 分别是内在星系和 PSF 模型的最大阶数。因此，反卷积是将一定数量的卷积系数映射到通常较少数量的反卷积系数上的变换。通过从数据推断后一个数字，我们构建了该变换的最大似然解，并获得无偏剪切估计，与现有方法相比，噪声显着降低。这一发现对于复杂的 PSF 模型和低图像特别有效，这使得我们的方法适合典型的弱透镜条件。
AimsWe seek a shapelet-based scheme for deconvolving galaxy images from the PSF that leads to unbiased shear measurements.MethodsBased on the analytic formulation of convolution in shapelet space, we constructed a procedure to recover the unconvolved shapelet coefficients under the assumption that the PSF is perfectly known. Using specific simulations, we test this approach and compare it to other published approaches.ResultsWe show that convolution in shapelet space leads to a shapelet model of order , with and being the maximum orders of the intrinsic galaxy and the PSF models, respectively. Deconvolution is hence a transformation that maps a certain number of convolved coefficients onto a generally smaller number of deconvolved coefficients. By inferring the latter number from data, we construct the maximum-likelihood solution for this transformation and obtain unbiased shear estimates with a remarkable amount of noise reduction compared to established approaches. This finding is particularly valid for complicated PSF models and low images, which renders our approach suitable for typical weak-lensing conditions.
DOI：
10.1111/j.1365-2966.2006.11315.x
发表时间：
2006-08
影响因子：
4.8
作者：
R. Massey;C. Heymans;J. Bergé;G. Bernstein;S. Bridle;D. Clowe;H. Dahle;R. Ellis;T. Erben
通讯作者：
R. Massey;C. Heymans;J. Bergé;G. Bernstein;S. Bridle;D. Clowe;H. Dahle;R. Ellis;T. Erben
DOI：
10.1111/j.1365-2966.2006.10198.x
发表时间：
2006-05-21
影响因子：
4.8
作者：
Heymans, C;Van Waerbeke, L;Wittman, D
通讯作者：
Wittman, D
可靠的 shapelet 图像分析
影响因子：
6.5
作者：
Melchior;Meneghetti;Bartelmann
通讯作者：
Bartelmann