论文摘要
随着天文观测技术和光纤技术的发展,各种大型的光纤光谱望远镜以大视场、高深度、高效率的观测特征被各国所青睐。世界上先后建成若干个大型光纤光谱望远镜,如美国SDSS望远镜,澳大利亚的AAT望远镜,以及中国的LAMOST望远镜。这些望远镜都具有多根光纤,能同时对天区中的多个目标进行光谱采样,经过曝光在CCD上呈现二维光纤光谱图像。二维光纤光谱数据处理是天文学家通过望远镜观测的光谱得到天体各种信息、的最重要手段之一,数据处理的精度直接影响光谱信息获取的准确性和完整性。信息领域有很多行之有效的数据处理方法,将这些处理方法结合二维光纤光谱数据的特点应用于天文数据处理可以取得很好的效果,具有重要的研究意义和应用价值。本文根据LAMOST和SDSS的二维光纤光谱数据的形成模型和特点,先简要介绍二维光纤光谱图像产生的机理,然后简要分析数据的处理流程。以此为基础,确定单幅图像宇宙射线的检测和剔除,低信噪比条件下的光纤轮廓信息的恢复,非高斯轮廓的拟合以及基于二维高斯模型的光谱抽取为本文重点介绍内容。本文的主要研究内容和创新之处如下：1.研究了单幅曝光的二维光纤光谱CCD图像的宇宙射线检测和剔除。首先,介绍宇宙射线和光谱形成机理的不同,然后根据宇宙射线和二维光谱的特点和差异,先用双阈值算法确定疑似宇宙射线点集；再根据图形学中的贝塞尔曲线拟合算法来最终确认宇宙射线的位置,最后根据邻域平均法,恢复出被宇宙射线污染的原始光谱值。实验结果表明,所提出的单幅宇宙射线检测和剔除算法,能很好地检测出宇宙射线点的位置,检测效率较高,可以满足后续处理的要求,并且本方法对于半峰宽相同的不同二维光谱图像,算法中的阈值不需要改变,算法具有良好的稳定性。2.研究了低信噪比条件下的光纤光谱轮廓的信息提取。先指出观测目标星等比较高(即目标星体为暗弱)星体时,观测所得的二维光纤光谱数据由于信噪比很低,光纤轮廓基本被噪声湮没,而无法直接使用轮廓拟合方法进行光谱抽取,后采用经验模态分解、平稳小波分解等手段对目标观测数据进行分析并以对应的平场图像为参考图像,对分解后的目标图像进行滤波处理,最后对完成滤波的数据进行重建以恢复被噪声湮没的光纤轮廓。实验结果表明,所提出的算法能够比较好地恢复出光纤轮廓的形状和特征,恢复的轮廓可以满足后续高精度的光谱抽取算法对光纤轮廓的要求。3.研究了非高斯光纤轮廓的拟合问题。由于望远镜系统光栅和CCD相机自身的性能等因素的影响,曝光得到的光纤光谱的轮廓并非标准的高斯型,而具有非对称或平顶等局部特征,由于LAMOST的点扩展函数半峰宽比较宽,这种效应更加明显。先从LAMOST实测数据的轮廓出发,介绍了实际轮廓和理论高斯模型存在差异,然后采取了双指数模型并结合最小二乘理论来拟合实测轮廓。实验结果表明,对于满足一定信噪比要求的数据,所提方法能达到很好的拟合效果,尤其对于非对称和平顶特征的光纤轮廓,拟合出的轮廓能很好地逼近真实轮廓。4.研究了基于二维高斯模型的光谱抽取问题。传统的拟合抽谱算法只根据二维光纤光谱图像在空间方向的数据,使用一维模型对光纤轮廓进行抽谱。实际上,目标信号经过光栅等仪器最后呈现在CCD上是以二维点扩展函数的形式对邻近区域的像素点进行扩展,一维光谱抽谱算法忽略了这个特点。提出的基于二维模型的抽谱算法与传统的一维光谱抽取算法相比,能更好地利用二维相邻区域的数据特点,所抽取的光谱信息更全面,抗噪声能力更强。实验结果表明了这种算法的特点和有效性。总之,论文对二维光纤光谱数据处理中的若干问题进行研究,并提出了相应的算法,有助于二维光纤光谱数据处理精度的提高,对二维光纤光谱数据处理方法的不断发展有较大的意义,对我国LAMOST和其他光纤光谱望远镜的数据处理也有着一定的使用价值和借鉴意义。