Wideband super-resolution imaging in Radio Interferometry via low rankness and joint average sparsity models (HyperSARA)
Wideband super-resolution imaging in Radio Interferometry via low rankness and joint average sparsity models (HyperSARA)
复制标题
通过低秩和联合平均稀疏模型（HyperSARA）进行无线电干涉测量中的宽带超分辨率成像
DOI：
10.1093/mnras/stz2117
复制
发表时间：
2019
影响因子：
4.8
通讯作者：
Abdulaziz A
中科院分区：
文献类型：
--
作者：
Abdulaziz A
提出了一种在凸优化框架下求解无线电干涉宽带成像问题的新方法。我们的方法，称为HyperSARA，利用低秩数和联合平均稀疏先验来从可见度数据形成高分辨率和高动态范围图像立方体。由此产生的最小化问题使用原始-对偶算法来求解。该算法结构具有非常有趣的功能，例如用于加速收敛的预条件，以及能够将计算成本和内存需求分散到资源有限的多个处理节点上的并行化。在这项工作中，我们提供了一个概念证明宽带图像重建兆字节大小的图像。仿真和超大规模阵列观测表明，HyperSARA在成像分辨率和动态范围方面优于单通道成像和WSCLEAN软件中基于CLEAN的宽带成像算法。我们的标签代码可以在Github上在线获得。
We propose a new approach within the versatile framework of convex optimization to solve the radio-interferometric wideband imaging problem. Our approach, dubbed HyperSARA, leverages low rankness, and joint average sparsity priors to enable formation of high-resolution and high-dynamic range image cubes from visibility data. The resulting minimization problem is solved using a primal-dual algorithm. The algorithmic structure is shipped with highly interesting functionalities such as preconditioning for accelerated convergence, and parallelization enabling to spread the computational cost and memory requirements across a multitude of processing nodes with limited resources. In this work, we provide a proof of concept for wideband image reconstruction of megabyte-size images. The better performance of HyperSARA, in terms of resolution and dynamic range of the formed images, compared to single channel imaging and theclean-based wideband imaging algorithm in thewscleansoftware, is showcased on simulations and Very Large Array observations. Ourmatlabcode is available online ongithub.
登录
查看更多内容
用于无线电干涉测量的多频图像重建。
DOI：
--
发表时间：
2015
期刊：
影响因子：
--
作者：
A. Ferrari;J. Deguignet;C. Ferrari;D. Mary;A. Schutz;O. Smirnov
通讯作者：
O. Smirnov
使用 PURIFY 进行射电干涉观测的鲁棒稀疏图像重建
影响因子：
4.8
作者：
L. Pratley;J. McEwen;Mayeul d'Avezac;R. Carrillo;Alexandru Onose;Y. Wiaux
通讯作者：
Y. Wiaux
DOI：
--
发表时间：
2014
期刊：
影响因子：
--
作者：
S. Wenger;Urvasshi Rau;S. Bhatnagar;M. Magnor
通讯作者：
M. Magnor
具有自调谐正则化参数的射电干涉多频图像重建
DOI：
--
发表时间：
2017
期刊：
European Signal Processing Conference
影响因子：
--
作者：
R. Ammanouil;A. Ferrari;Rémi Flamary;C. Ferrari;D. Mary
通讯作者：
D. Mary
Cygnus A 通过 VLA 数据的凸优化进行超解析
影响因子：
4.8
作者：
Dabbech A
通讯作者：
Dabbech A