Automatic detection of low surface brightness galaxies from SDSS images
Automatic detection of low surface brightness galaxies from SDSS images
复制标题
从 SDSS 图像中自动检测低表面亮度星系
DOI：
10.1093/mnras/stac775
复制
发表时间：
2022-03
影响因子：
4.8
通讯作者：
Hong Wu
中科院分区：
文献类型：
--
作者：
Zhenping Yi;Jia Li;Wei Du;Meng Liu;Zengxu Liang;Yongguang Xing;Jingchang Pan;Yude Bu;Xiaoming Kong;Hong Wu
摘要。低表面亮度（LSB）星系是中心表面亮度比夜空还暗的星系。由于LSB星系的暗淡特性以及与之相当的天空背景，很难从大规模巡天中自动且高效地搜索LSB星系。在这项研究中，我们建立了低表面亮度星系自动检测模型（LSBG - AD），这是一个数据驱动的模型，用于从斯隆数字巡天（SDSS）图像中端对端地检测LSB星系。基于深度学习的目标检测技术被应用于SDSS视场图像，以同时识别LSB星系并估计它们的坐标。将LSBG - AD应用于1120张SDSS图像，我们检测到了1197个LSB星系候选体，其中1081个样本是已知的，116个样本是新发现的候选体。该模型所搜索到的候选体的B波段中心表面亮度范围从22等/角秒²到24等/角秒²，与标准样本的表面亮度分布非常一致。96.46%的LSB星系候选体的轴比（b/a）大于0.3，92.04%的候选体的$fracDev_r$0.4，这也与标准样本一致。结果表明，LSBG - AD模型很好地学习了训练样本中LSB星系的特征，并且可用于在不使用光度参数的情况下搜索LSB星系。接下来，这种方法将被用于开发高效算法，以便从下一代天文台的大量图像中检测LSB星系。
Abstract. Low surface brightness (LSB) galaxies are galaxies with central surface brightness fainter than the night sky. Due to the faint nature of LSB galaxies and the comparable sky background, it is difficult to search LSB galaxies automatically and efficiently from large sky survey. In this study, we established the Low Surface Brightness Galaxies Auto Detect model (LSBG-AD), which is a data-driven model for end-to-end detection of LSB galaxies from Sloan Digital Sky Survey (SDSS) images. Object detection techniques based on deep learning are applied to the SDSS field images to identify LSB galaxies and estimate their coordinates at the same time. Applying LSBG-AD to 1120 SDSS images, we detected 1197 LSB galaxy candidates, of which 1081 samples are already known and 116 samples are newly found candidates. The B-band central surface brightness of the candidates searched by the model ranges from 22 mag arcsec −2 to 24 mag arcsec −2, quite consistent with the surface brightness distribution of the standard sample. 96.46percent of LSB galaxy candidates have an axial ratio (b/a) greater than 0.3, and 92.04percent of them have $fracDev_r$0.4, which is also consistent with the standard sample. The results show that the LSBG-AD model learns the features of LSB galaxies of the training samples well, and can be used to search LSB galaxies without using photometric parameters. Next, this method will be used to develop efficient algorithms to detect LSB galaxies from massive images of the next generation observatories.
登录
查看更多内容
影响因子：
6.5
作者：
Robitaille, Thomas P.;Tollerud, Erik J.;Streicher, Ole
通讯作者：
Streicher, Ole
影响因子：
56.9
作者：
J. I. Brauman
通讯作者：
J. I. Brauman
影响因子：
1.8
作者：
通讯作者：
--
DOI：
10.1007/978-1-4020-5301-6_14
发表时间：
2005
期刊：
--
影响因子：
--
作者：
P. Murdin
通讯作者：
P. Murdin