深度学习的星像居中方法：HST/WFPC2 星像
摘要：使用深度学习算法，对HST/WFPC2曝光中的星图进行中心定位。这些文献观测结果在适当运动研究中具有很大潜力，但是摄像机探测器的欠采样给传统的中心定位算法带来了挑战。使用两组超过600次的NGC 104星团在F555W和F814W滤光片下的观测结果作为深度学习代码的培训和评估测试。 结果表明，标准误差从8.5到11 mpix不等，具体取决于探测器和滤光片。与WFPC2图像常用的“有效PSF”中心定位程序相比，这比约20个mpix要好。重要的是，使用深度学习方法可以在很大程度上消除像素相位误差。目前的测试仅限于每个探测器的中心部分；在未来的研究中，将对深度学习代码进行修改，以考虑PSF在探测器中的已知变化。
作者：Dana I. Casetti-Dinescu, Terrence M. Girard, Roberto Baena-Galle, Max Martone and Kate Schwendemann
论文ID：2303.03346
分类：Instrumentation and Methods for Astrophysics
分类简称：astro-ph.IM
提交时间：2023-05-24