Probabilistic image reconstruction for radio interferometers
Probabilistic image reconstruction for radio interferometers
复制标题
无线电干涉仪的概率图像重建
DOI：
10.1093/mnras/stt2244
复制
发表时间：
2013
期刊：
影响因子：
--
通讯作者：
B. Wandelt
中科院分区：
文献类型：
--
作者：
P. Sutter;B. Wandelt
我们提出了一种新颖的通用方法，使用基于高斯过程模型的贝叶斯推理对网格无线电干涉可见度图像进行去卷积和去噪。该方法自动考虑由于光束导致的紫外平面和模式耦合的不完全覆盖。我们的方法使用吉布斯采样来有效地探索给定数据的基础信号图像的完整后验分布。我们使用一组广泛多样的模拟图像以及真实的干涉仪设置和噪声水平来评估该方法。与 CLEAN 方法的代理结果相比，我们发现，无论测试套件中源图像的结构如何，我们的方法在 RMS 误差和信噪比方面都比传统的反卷积技术表现更好。我们的实现规模为 O(np log np)，提供重建图像的完整统计和不确定性信息，不需要监督，并提供一个强大、一致的框架来合并噪声和参数边缘化以及前景去除。
We present a novel, general-purpose method for deconvolving and denoising images from gridded radio interferometric visibilities using Bayesian inference based on a Gaussian process model. The method automatically takes into account incomplete coverage of the uv-plane and mode coupling due to the beam. Our method uses Gibbs sampling to efficiently explore the full posterior distribution of the underlying signal image given the data. We use a set of widely diverse mock images with a realistic interferometer setup and level of noise to assess the method. Compared to results from a proxy for the CLEAN method we find that in terms of RMS error and signal-to-noise ratio our approach performs better than traditional deconvolution techniques, regardless of the structure of the source image in our test suite. Our implementation scales as O(np log np), provides full statistical and uncertainty information of the reconstructed image, requires no supervision, and provides a robust, consistent framework for incorporating noise and parameter marginalizations and foreground removal.
2012年干涉成像选美大赛
DOI：
10.1117/12.924907
发表时间：
2012
期刊：
--
影响因子：
--
作者：
Baron F
通讯作者：
Baron F