Реконструкция
Реконструкция это математический инструмент для компенсации эффектов размытия или искажения на изображении. Истинная сцена это не то что записано вашим сенсором — ваша запись это оценка истинной сцены, свёрнутой с помощью PSF (в математическом выражении "размывающая PSF" представляет искажения атмосферы, физические свойства вашего телескопа, смазывание при движении и т.д., которые ухудшают вашу оценку). С помощью реконструкции можно, в некоторой степени, обратить подобную деградацию изображения. Однако важно сразу отметить, что реконструкция это то, что математики называют некорректно поставленной задачей (как и большинство обратных задач). Это значит что решения может не существовать. Если решение существует, оно может не быть уникальным и может не иметь непрерывной зависимости от данных. По сути, это означает, что реконструкция, даже теоретически, действительно сложна, и нет никаких гарантий, что она сработает.
Всё становится ещё труднее когда мы точно не знаем, что представляет собой PSF, которую мы пытаемся удалить. В астрономии мы можем, в теории, получить представление о PSF по эффекту размытия точечных источников (звёзд), которые мы снимаем. Однако иногда истинная PSF непостоянна по всему изображению, иногда иные факторы, как насыщенность звёзд не позволяют PSF, полученной от звёзд, быть полностью точной оценкой PSF, а иногда, например при съёмке Луны, на изображении нет звёзд.
Siril стремится обеспечить гибкий подход к реконструкции. Имеются несколько настроек для определения или оценки PSF и несколько алгоритмов реконструкции для заключительного этапа реконструкции после того, как PSF определена.
Пример реконструкции звёздного поля.
Реконструкция доступна из меню Обработка или с помощью команд Siril.
Диалоговое окно инструмента реконструкции.
Обзор использования
Чтобы сгенерировать реконструирующую PSF, выберите необходимый метод генерации PSF и нажмите Создать PSF. Это может быть выполнено отдельно от фактической реконструкции, чтобы пользователь мог видеть эффект изменения параметров PSF.
Siril создаёт только монохромные PSF, поскольку это самый частый способ использования и упрощает пользовательский интерфейс. Однако можно сохранить и объединить 3 монохромных PSF, чтобы создать трёхканальную PSF, которая может быть загружена и использована для реконструкции трёхканальных изображений.
Чтобы применить реконструкцию к отдельному изображению, выберите необходимый метод генерации PSF и нажмите Применить. Если ранее был запущен метод оценки PSF вслепую, для этого метода автоматически будет установлено значение Предыдущая PSF, чтобы избежать ненужного пересчета PSF.
Чтобы применить реконструкцию к последовательности, действуйте как описано выше, но убедитесь, что выбран пункт Применить к последовательности. Вы можете так же указать пользовательский префикс новой последовательности. Если не указано иное, по умолчанию будет использован префикс
dec_.При реконструировании последовательности, PSF будет рассчитана только для первого изображения в последовательности. Одинаковая PSF будет повторно использована для всех изображений в последовательности.
Обзор методов определения ядра размытия
\(\boldsymbol{ℓ_0}\) Спуск: это метод оценки PSF по умолчанию, основанный на работе Энгера, Дельбрасио и Фаччиоло. Параметры, как правило, не требуют корректировки, за исключением того, что для особо крупных PSF вы можете попробовать многоступенчатую модель оценки PSF. Функция многоступенчатости по умолчанию отключена, так как во время разработки была замечена тенденция к получению довольно неестественных результатов при использовании более распространенных PSF малых и средних размеров.
Неравномерность спектра [Goldstein2012]: этот метод оценки PSF предлагается в качестве альтернативы. В целом он не так хорош, как метод \(ℓ_0\) спуска, однако он может быть полезен, если вы обнаружите изображение, на котором метод по умолчанию не дает хороших результатов. Для этого метода скрытое резкое изображение не должно содержать никаких краев, если соблюдается модель спектрального распада. С другой стороны, \(ℓ_0\) спуск предполагает аналогичную модель (поскольку края имеют одинаковый спектральный распад), но требует, чтобы градиенты были разреженными и контрастными, поэтому края должны быть синфазными, поэтому теоретически эта модель может работать лучше на низкоконтрастных беззвездных изображениях. Вероятно, потребуются некоторые эксперименты, чтобы найти алгоритм, который лучше всего подходит для ваших данных.
PSF по звёздам: этот метод моделирует PSF из средней PSF выбранных звезд. Важно быть избирательным в выборе звезд: они не должны быть насыщенными, так как это приведет к грубому искажению оценки PSF, но они также не должны быть настолько слабыми, чтобы функции анализа звезд Siril давали неточные измерения звезд. Выбранные звезды должны быть достаточно яркими, располагаться как можно ближе к центру изображения и в области изображения с довольно постоянным фоном. После выбора звёзд вы можете выбрать либо модель профиля звезд Гаусса, либо Моффата, и при выполнении реконструкции PSF будет синтезирована из средних параметров выбранных звезд. Если звезды не выбраны, Siril попытается автоматически обнаружить звезды с пиковой амплитудой между 0,07 и 0,7 с профилем Моффата. Этот диапазон позволяет избежать насыщенных звезд, а также тех, которые слишком слабы, чтобы дать точное решение, и в целом дает хорошие результаты.
PSF вручную: этот метод позволяет вам вручную определить PSF. Можно определить такие модели PSF, как Гаусс, Моффат или Диск. Обратите внимание, что FWHM указывается в пикселях, а не в угловых секундах. Модели Гаусс и Моффат подходят для реконструкции форм звезд, возникающих из-за атмосферных искажений; такая модель PSF, как Диск подходит для реконструкции эффекта небольшой размытости.
Загрузить PSF из файла: этот метод позволяет вам загружать PSF из любого графического формата, поддерживаемого Siril. Предоставленная PSF должен быть квадратной (она будет отклонен, если не квадратная) и нечетной (она будет обрезана на один пиксель в каждом направлении, если не нечетная, но это даст немного смещенную от центра PSF и не является оптимальным по сравнению с предоставлением нечетной PSF изначально). Могут быть загружены как монохромные, так и 3-канальные PSF. Если 3-канальная PSF загружен вместе с монохромным изображением, будут использоваться равномерно взвешенные значения яркости PSF. Если 3-канальная PSF загружена вместе с 3-канальным изображением, то каждый канал изображения будет реконструирован с использованием соответствующего канала PSF. Если монохромная PSF загружен вместе с 3-канальным изображением, то изображение будет преобразовано в цветовое пространство LAB, а канал L (яркость) будет реконструирован с использованием монохромной PSF для повышения вычислительной эффективности, а реконструированный L будет заново скомбинирован с каналами A и B и преобразован обратно в RGB.
Предыдущая PSF: этот метод позволяет повторно использовать ранее оцененную PSF. Он в основном используется со слепыми методами оценки PSF: если вы удовлетворены оценённой PSF, но хотите сделать несколько тестовых запусков с использованием различных параметров для конечной стадии реконструкции, вы можете повторно использовать предыдущую PSF и сэкономить время вычислений.
После оценки PSF можно сохранить, если это необходимо. Если Siril скомпилирован с поддержкой libtiff, то PSF будет сохранена в 32-битном формате TIFF с тем же именем файла, что и у текущего изображения, но с отметкой даты и времени и с суффиксом
_PSF. Если Siril был собран без поддержки libtiff, то PSF будет сохранен как файл FITS. Хотя это основной формат Siril для файлов астрономических изображений, TIFF предпочтительнее для PSF: недостатком использования формата FITS для PSF является потенциальная сниженная совместимость с редакторами изображений, которые вы можете использовать для редактирования или изучения сохраненного файла.
Совет
Если реконструкция вслепую может быть выполнена на линейных и нелинейных данных, то использование PSF по звёздам может быть выполнено только на линейных изображениях. В противном случае значения PSF были бы недействительными.
Совет
If a ROI is set, blind PSF estimation methods will calculate the PSF from the ROI rather than the whole image. If you do wish to calculate a PSF from the whole image you must clear the ROI before estimating the PSF, then set the ROI to apply a preview. However, you also have the option of calculating the PSF only from a selected part of the image. This may be desirable if you have optical aberrations close to the edge of the image and wish to estimate the PSF from the central area only.
Обзор не-слепой реконструкции
Метод Ричардсона-Люси с регуляризацией [Lucy1974]: это алгоритм не-слепой реконструкции по умолчанию. Это итеративный метод, известный своим использованием для исправления искажений изображения в ранний период работы космического телескопа Хаббл, и в Siril регуляризован с использованием либо метода полной вариации, который направлен на штрафование алгоритма за усиление шума, либо нормы Фробениуса локальной матрицы Гессе. Эта регуляризация основана на вторых производных. Наряду с регуляризацией предоставляется параметр ранней остановки, который позволяет остановить алгоритм на ранней стадии, как только его скорость сходимости падает ниже определенного уровня. Увеличение значения параметра ранней остановки может уменьшить кольца вокруг звезд и острых краев. Предоставляются две формулировки алгоритма Ричардсона-Люси: мультипликативная формулировка и формулировка градиентного спуска. Последний может обеспечить лучший контроль, поскольку размер шага градиентного спуска может быть изменен (недостатком этого является то, что при использовании большего количества маленьких шагов требуется больше итераций для достижения того же уровня сходимости). Большим преимуществом метода градиентного спуска является то, что он позволяет использовать большую регуляризацию — это может быть проблематично в мультипликативном алгоритме Ричардсона-Люси, поскольку член регуляризации появляется в знаменателе, а малые значения здесь (сильная регуляризация) могут вызвать нестабильность. Siril будет использовать наивную свертку для малых размеров ядра и свертку на основе быстрого преобразования Фурье (БПФ) для больших размеров ядра, где БПФ обеспечивает более эффективный алгоритм. (Это происходит автоматически и не требует вмешательства пользователя.)
Фильтр Винера: этот метод является неитеративным методом реконструкции. Он моделирует предполагаемый профиль гауссовского шума, т. е. шум, моделируемый постоянным профилем. Постоянная Альфа (α) используется для установки силы регуляризации по отношению к уровню шума. Как и в других алгоритмах, меньшее значение альфа обеспечивает большую регуляризацию. Этот алгоритм может быть хорош для лунных изображений, где режим шума является гауссовым, а не пуассоновским, но обычно плохо работает на снимках дальнего космоса, где шум все еще имеет тенденцию иметь пуассоновский характер.
Метод Брэгмана с регуляризацией: этот метод используется в процессах оценки размытия PSF, а также предлагается как алгоритм финальной стадии реконструкции. Это широко используемый алгоритм для решения задач выпуклой оптимизации. Алгоритм также регуляризуется с помощью функции стоимости, основанной на полной вариации. Он не так эффективен, как метод Ричардсона-Люси, при обработке изображений звездного неба, но может быть рассмотрен для изображений без звезд или снимков лунной поверхности.
Совет
Выбор метода реконструкции очень важен для получения хороших результатов. Как правило, для изображений глубокого космоса (DSO) важно использовать метод Ричардсона-Люси: как метод Брэгмана, так и метод Винера дают плохие результаты вокруг звезд из-за экстремально высокого динамического диапазона. Для линейных изображений обычно лучше всего использовать метод Ричардсона-Люси с градиентным спуском, а если вокруг ярких звезд возникает эффект "кольца", то следует уменьшить размер шага спуска. Такой подход снижает влияние каждой итерации, поэтому требуется больше итераций, но это позволяет достичь более точного контроля, доводя реконструкцию до момента, когда начинают появляться артефакты, а затем слегка скорректировать значения настроек назад. Для растянутых изображений можно использовать мультипликативный алгоритм Ричардсона-Люси.
Совет
Для сложенных изображений Луны и планет могут оказаться более подходящими методы Брэгмана или Винера. Как правило, эти методы не требуют итераций, как это делает метод Ричардсона-Люси, и они могут лучше соответствовать шумовым характеристикам сложенных изображений с высоким соотношением сигнал/шум. (Алгоритм Ричардсона-Люси основан на предположении о пуассоновском шуме, которое обычно верно для изображений объектов глубокого космоса (DSO), тогда как метод Винера, реализованный здесь, предполагает гауссово распределение шума, которое может лучше соответствовать сложенным изображениям планет / Луны).
Параметры и настройки
Общие настройки
Размер PSF. Размер входной PSF должен быть выбран достаточно большим, чтобы гарантировать, что PSF полностью помещается в указанной области. Однако, если задать слишком большой размер, это может привести к ухудшению результата и увеличению времени выполнения при использовании методов слепой оценки PSF.
Лямбда (\(\lambda\)). Параметр регуляризации для оценки PSF. Попробуйте уменьшить это значение для шумных изображений.
Настройки метода \(\boldsymbol{ℓ_0}\)} спуска
Многоступенчатый. Эта настройка позволяет включить многоступенчатый метод оценки PSF. Это может помочь стабилизировать оценку PSF при указании большого размера PSF, однако некоторые PSF, сгенерированные с использованием этой опции, могут приводить к неестественным результатам. Поэтому по умолчанию эта функция отключена.
Дополнительные параметры. Обычно они не требуют настройки, но доступны для любопытных.
Гамма (γ) задает силу регуляризации, используемую на этапе предсказания резкого изображения. Для заданного значения гаммы, с увеличением уровня шума оценка также становится более зашумленной. Если увеличить значение гаммы, оценка будет меньше подвержена влиянию шума, но станет более сглаженной. Значение по умолчанию, равное 20, было определено экспериментально в [Anger2019].
Кол-во итераций задает количество итераций, используемых в процедуре оценки PSF. Авторы алгоритма отмечают, что увеличение этого значения до 3 дает минимальный выигрыш, а увеличение больше 3 не приносит никакой пользы.
Отношение λ и Лямбда (мин.) задают настройки для уточнения предсказания резкого изображения путем последовательного изменения значения параметра регуляризации предсказателя резкого изображения на каждой итерации метода.
Коэф-т масштаба, Увел. размытие и Умен. размытие используются только при включенной опции Многоступенчатый. Они задают масштабный коэффициент по умолчанию между каждой ступенью масштаба, а также степень размытия, применяемую при изменении масштаба между ступенями.
Порог ядра. Значения ниже этого уровня в оценке PSF устанавливаются равными нулю.
Настройки метода неравномерности спектра
Коэф-т компенсации управляет силой фильтра, который используется для предотвращения чрезмерной резкости в оцененной PSF. Для изображений с существенным размытием следует использовать значение, близкое к единице. Для изначально резких изображений низкие значения могут приводить к артефактам, и в этом случае значение следует увеличить до большого числа, что фактически отключает фильтр.
Дополнительные параметры. Обычно они не требуют настройки, но доступны для любопытных.
Повторы внутреннего цикла — этот параметр задает количество итераций, выполняемых во внутреннем цикле метода неравномерности спектра. Алгоритм сходится быстро, и можно уменьшить это значение примерно до 100 без значительного ухудшения результата.
Образцов во внешнем цикле — этот параметр определяет, сколько случайных фаз должно быть сгенерировано. Поскольку восстановление фазы начинается со случайных значений для каждого образца, важно использовать достаточное количество образцов, чтобы избежать сходимости к локальному минимуму. Для изображений с низким уровнем шума PSF стабилизируется быстро, но если вы хотите улучшить результаты с помощью этого метода, то это первая из экспертных настроек, которую стоит попробовать настроить, особенно для изображений с высоким уровнем шума.
Повторы внешнего цикла. [Anger2018] предполагает, что 2 итерации может быть достаточно для получения приемлемой оценки PSF, и увеличение этого значения выше 3 не приносит заметной пользы.
PSF по звёздам
Этот метод генерации PSF не имеет настраиваемых параметров. Он генерирует PSF на основе средних параметров звезд, выбранных с помощью команды findstar или диалогового окна Динамическая PSF. Средние параметры отображаются в диалоговом окне реконструкции, когда выбран этот метод генерации PSF. Пользователю желательно самостоятельно выбирать звезды, которые он хочет использовать для этого метода, чтобы получить наиболее точную PSF. В идеале следует выбрать около 10 довольно ярких, но не насыщенных звезд из центральной области изображения (чтобы исключить звезды, которые могут страдать от комы или других аберраций). Однако, если пользователь не выбрал ни одной звезды, Siril попытается автоматически определить подходящие звезды, запустив свою процедуру обнаружения с фильтрами, настроенными только на звезды с пиковыми амплитудами между 0.07 и 0.7.Этот диапазон позволяет избежать как насыщенных звезд, так и слишком тусклых, которые не могут дать точного решения. В большинстве случаев он работает хорошо, но может быть подвержен влиянию смещенных от центра аберраций.
Если вы установите флажок Симметричная PSF, сгенерированная PSF будет круглой. Она будет соответствовать среднему значению FWHM и бета (β) выбранных звезд, но не будет учитывать какие-либо удлинения.
PSF вручную
Этот метод генерации PSF позволяет задать пользовательскую параметрическую PSF.
Профиль позволяет выбрать профиль PSF. Поддерживаются профили: Гаусс, Моффат, Диск и Диск Эйри.
Для сопоставления параметров звезд, измеренных по изображению, используются профили PSF: Гаусс и Моффат. Они должны обеспечить хорошую оценку общей функции размытия, применяемой к изображению, поскольку звезды являются точечными источниками.
Пример PSF с профилем Моффат, fwhm/"=5", Угол/°=45°, Соотношение=1.20, \(\beta=4.5\) и Размер PSF равен 15.
Профиль PSF Диск используется для реконструкции несфокусированных изображений.
Пример профиля Диск с fwhm/"=5" и Размером PSF равным 15.
Профиль PSF Диск Эйри используется для реконструкции дифракции, которая возникает как физическое следствие дифракции на апертуре вашего телескопа.
Пример профиля PSF Диск Эйри с Диаметр/мм=150мм, Фокусное расстояние/мм=4500мм, Длина волны/нм=525нм, Размер пикселя/мкм=2.9мкм, Центральное экранирование=40% и Размер PSF равен 41.
FWHM определяет полную ширину на уровне половины высоты выбранного профиля (для профиля Диск просто задаёт радиус).
Бета (:math:beta) определяет параметр бета, используемый в профиле PSF Моффат. Для других типов профилей PSF этот параметр игнорируется.
Для профиля PSF Диск Эйри требуется несколько параметров ваших телескопа и сенсора:
Диаметр / мм
Фокусное расстояние
Размер пикселя / мкм
Длина волны / нм. Siril попытается извлечь эти данные из метаданных вашего изображения, где это возможно, но если какие-то параметры отсутствуют или выглядят необоснованными, Siril выделит их и напечатает предупреждение в журнале с рекомендацией проверить их. Величина Центрального экранирования также необходима для получения точного изображения диска Эйри. Она выражается в процентах, т.е. как общая площадь центральной преграды, деленная на общую площадь апертуры х 100. Для рефракторов это значение равно нулю; для других телескопов этот показатель варьируется: для ньютоновского рефлектора он может составлять около 20%, а для некоторых телескопов Долла-Киркхэма - до 40-50%. Вам необходимо измерить свой прибор или ознакомиться со спецификациями производителя.
Реконструкция по Ричардсону-Люси
В Siril используются следующие параметры для настройки реконструкции методом Ричардсона-Люси:
Альфа (α) задает силу регуляризации. Меньшее значение альфа дает более сильную регуляризацию и более гладкий результат; большее значение снижает силу регуляризации и сохраняет больше деталей изображения, но может привести к усилению шума.
Кол-во итераций задаёт максимальное количество используемых итераций. При отсутствии шума большое количество итераций приведет к тому, что реконструкция приблизит оценку к истинному изображению, однако чрезмерно большое количество итераций также увеличит шум и вызовет кольцевые артефакты вокруг звезд. Значение по умолчанию — 1 итерация: можно задать большее число для автоматического вычисления нескольких итераций, или же вы можете продолжать нажимать Применить, чтобы применять одну итерацию за раз, пока не будете удовлетворены результатом. (Или сделав очередной шаг, решите, что результат вас больше не устраивает, и используете Отменить.)
Критерий остановки задает критерий сходимости на основе разницы между последовательными оценками. Алгоритм остановится, когда сходимость окажется в пределах указанного предела. Это важный параметр — если на итоговом изображении появляются кольца вокруг звезд, попробуйте увеличить значение критерия остановки. Его также можно полностью отключить с помощью соответствующего флажка.
Алгоритм определяет, следует ли использовать мультипликативный метод или метод градиентного спуска.
Шаг спуска указывает размер шага, который будет использоваться для реализации градиентного спуска. Не устанавливайте его слишком большим, иначе алгоритм не будет сходиться. Этот параметр не действует, если выбрана мультипликативный метод.
Совет
Для линейных изображений попробуйте использовать метод градиентного спуска, который обеспечивает контроль, необходимый для предотвращения образования колец вокруг звезд. Однако при обработке растянутых изображений это может быть неоправданно медленным процессом, поэтому использование мультипликативного метода часто позволяет сэкономить время без ущерба для качества изображения.
Реконструкция методом Брэгмана с регуляризацией
В Siril используются следующие параметры для настройки реконструкции методом Брэгмана с регуляризацией:
Альфа (α) задает силу регуляризации. Меньшее значение альфа дает более сильную регуляризацию и более гладкий результат; большее значение снижает силу регуляризации и сохраняет больше деталей изображения, но может привести к усилению шума.
Кол-во итераций указывает максимальное количество используемых итераций. Метод Брэгмана в том виде, в котором он реализован здесь, не требует многократных итераций, но при желании может быть повторен. Как правило, это имеет лишь небольшое значение, и поэтому значение по умолчанию равно 1.
Реконструкция методом Винера
Реконструкция Винера в Siril требует только один параметр:
Альфа (α) задает силу регуляризации. Меньшее значение альфа дает более сильную регуляризацию и более гладкий результат; большее значение снижает силу регуляризации и сохраняет больше деталей изображения, но может привести к усилению шума.
Настройки производительности FFTW
Алгоритмы оценки PSF и реконструкции активно используют быстрое преобразование Фурье с использованием библиотеки FFTW. Это предоставляет ряд настроек, которые можно изменить на вкладке Производительность в основном диалоговом окне Siril Настройки.
Замечание о порядке строк изображения
Для различных типов изображений, обрабатываемых Siril, данные о пикселах могут располагаться в разном порядке. В видеофайлах SER данные всегда хранятся сверху вниз, в то время как в файлах FITS данные могут храниться как снизу вверх, так и сверху вниз. Порядок снизу вверх является изначальной рекомендацией, однако все чаще снимки получаются с помощью CMOS-камер, которые, как правило, следуют порядку пикселей сверху вниз.
Когда делается реконструкция изображения на основе PSF, созданной на основе того же изображения (или когда оно открыто), это не вызывает проблем. Однако могут возникнуть сложности, если PSF генерируется на основе изображения с одним порядком строк, а затем используется для реконструкции изображения или последовательности с противоположным порядком строк. Это редкий случай, но его использование стабильно будет приводить к поведению, которое на первый взгляд может показаться неожиданным. Поэтому оно объясняется ниже.
Siril решает эту проблему, отслеживая порядок строк изображения, на основе которого была создана PSF. Все PSF сохраняются с порядком строк снизу вверх (автоматически переворачивает их, если они были созданы из изображения с порядком строк сверху вниз), и при загрузке порядок строк PSF приводится в соответствие с порядком строк текущего открытого изображения. Если открывается изображение с противоположным порядком строк, порядок строк PSF изменяется, чтобы соответствовать ему. Это означает, что если, например, вы возьмёте несколько FITS-изображений с порядком строк снизу вверх, создадите PSF на основе одного из них, а затем конвертируете их в последовательность SER с порядком строк сверху вниз, PSF будет автоматически преобразована в правильную ориентацию, чтобы соответствовать последовательности SER. Если в момент открытия изображения с противоположным порядком строк выполняется предварительный просмотр PSF, он не обновится сразу: изменение порядка строк будет обнаружено автоматически, и PSF будет перевёрнута в момент применения к изображению.
Кунсткамера
Этот раздел показывает несколько примеров, где реконструкция выполнена плохо, вместе с объяснениями причин.
Заданная вручную PSF оказалась слишком большой, что привело к появлению крупных тёмных колец вокруг звёзд.
Было применено слишком много итераций. (Я применял их по одной за раз до тех пор, пока результат не стал утрированным, поэтому в параметре Кол-во итераций (Iterations) по-прежнему указано значение 1.)
Крупным планом показан эффект от попытки применить слишком большую регуляризацию (Альфа (α) = 30) с использованием мультипликативной версии Ричардсона-Люси. Для строгой регуляризации и /или лучшего контроля над каждой итерацией рекомендуется использовать метод градиентного спуска.
Типичный пример попытки реконструкции нерастянутого звездного поля с помощью метода Брэгмана (в данном случае) или с помощью метода Винера. Эти методы лучше подходят для планетарных / лунных / солнечных изображений; для звездных пейзажей всегда рекомендуется использовать Ричардсона-Люси.
Реконструкция: Cоветы
Вы попали сюда с помощью кнопки "Советы" в инструменте реконструкции в Siril. Не беспокойтесь: реконструкция - сложный метод. Даже теоретически это действительно сложно: нет никаких гарантий, что математика всегда приведет к уникальному решению, которое улучшит ваше изображение. Тем не менее, вот несколько советов, которые помогут вам получить максимальную отдачу от алгоритмов реконструкции Siril.
Какую PSF использовать?
Использование правильной PSF является основой для достижения хороших результатов при реконструкции. Два самых простых способа создать PSF — это использовать Реконструкцию вслепую или смоделировать PSF по звёздам на вашем изображении.
PSF по звёздам
Siril может обнаруживать и моделировать звёзды по вашему изображению. Подробности см. на странице справки Динамическая PSF. Чтобы получить хорошую модель для вашей PSF, попробуйте выбрать профиль звезды Моффат в Динамической PSF. Звёзды являются точечными источниками, поэтому функция распределения, построенная по усреднённым параметрам имеющихся звёзд, служит хорошей моделью для эффектов размытия, которые мы пытаемся устранить с помощью реконструкции.
Совет
После того как вы сделали обнаружение звёзд, отсортируйте их по пиковой амплитуде (столбец "A"). Выделите и удалите те, у которых амплитуда больше 0.7 или меньше 0.1, а если на вашем изображении есть фоновые галактики, убедитесь, что не осталось ложных срабатываний. Звёзды в этом диапазоне яркости не насыщенны и не слишком тусклы, чтобы обеспечить точную модель PSF.
Совет
Если реконструкция вслепую может быть выполнена на линейных и нелинейных данных, то использование PSF по звёздам может быть выполнено только на линейных изображениях. В противном случае значения PSF были бы недействительными.
Реконструкция вслепую
Эти методы могут автоматически оценить PSF на основе самого изображения. Если у вас нет более точных исходных данных о PSF, таких как звёзды на изображении (например, снимки Луны, на которых нет звёзд), то это может быть лучшим вариантом. В большинстве случаев рекомендуется использовать метод по умолчанию \(\boldsymbol{ℓ_0}\): спуска он быстрее и обычно даёт лучшие результаты.
Совет
Независимо от того, как вы создаёте свою PSF, проверьте предварительный просмотр, чтобы убедиться, что она не выглядит обрезанной. Если это всё же так, увеличьте размер PSF, чтобы значительные части PSF не обрезались.
Другие методы создания PSF
Другие методы создания PSF, заслуживающие упоминания, — это профили создаваемые вручную Диск и Диск Эйри. Профиль Диск можно использовать для улучшения изображений, где фокус слегка смещён. Постарайтесь подобрать размер диска в соответствии с размером размытия, вызванного расфокусировкой. Диск Эйри можно использовать для устранения лёгкого размытия, вызванного дифракцией самого телескопа.
Совет
Если у вас отличная видимость (атмосферное размытие практически отсутствует), то, возможно, все, что вам нужно, — это уменьшить искажение изображения с помощью профиля Диск Эйри.
Реконструируя изображение
Как только вы создадите PSF, которая вас устроит, можно приступать к реконструкции изображения. Для получения хороших результатов важно использовать правильные настройки.
Совет
Deconvolution is quite slow for large images. To make it quicker to find the best parameters, save your work at this point and use the ROI feature.
Изображения со звёздами
Изображения, содержащие звезды, особенно линейные (нерастянутые) данные, всегда следует реконструировать с помощью методов Ричардсона-Люси. Не обращайте внимания на методы Брэгмана и Винера: эти алгоритмы подходят для изображений объектов солнечной системы.
При реконструкции изображений объектов глубокого космоса возникают две проблемы: кольца вокруг ярких звезд и усиление шума на заднем плане.
Для решения проблемы колец вокруг звёзд, попробуйте использовать алгоритм градиентного спуска и постепенно увеличивайте количество итераций, пока не начнёте замечать признаки образования тёмных колец вокруг звёзд, после чего немного сократите количество итераций.
Приведенная выше анимация демонстрирует эффект сокращения числа итераций мультипликативной формулировки Ричардсона-Люси: она также демонстрирует более точный контроль, которого можно достичь с помощью метода градиентного спуска за счет большего количества итераций.
Чтобы справиться с усилением фонового шума, вы можете попробовать применить небольшое шумоподавление перед реконструкцией. В диалоговом окне Подавление шума выберите алгоритм вторичного шумоподавления Преобразование Анскомба и оставьте уровень модуляции достаточно низким, попробуйте около 50-60%. Вы просто хотите уменьшить уровень шума, чтобы немного увеличить количество итераций, а не создавать полностью гладкое изображение.
Изображения Луны
Как правило, вы можете захотеть повысить резкость лунного изображения после сложения. У сложенных лунных изображений можно очень хорошо повысить резкость с помощью методов Брэгмана или Винера. Я обычно выбираю метод Брэгмана с регуляризацией. Попробуйте оставить значение Альфа (\(\boldsymbol{\alpha}\)) по умолчанию и выполнить реконструкцию изображения с использованием Реконструкции вслепую и \(\boldsymbol{ℓ_0}\) спуска. Пример этого показан ниже с использованием только что сложенного лунного изображения (т. е. к нему не применялась обработка вейвлетов). Несмотря на ограничения формата анимации GIF, повышение резкости можно четко увидеть; также очевидно, что результаты методов Брэгмана и Винера очень похожи.
Сложенные изображения планет
Типичный рабочий процесс для планетарной съёмки включает сложение видео SER в специализированном инструменте, таком как Autostakkert! или Astrosurface, а затем повышение резкости полученного изображения с использованием вейвлетов и реконструкции. Комбинация инструмента Стационарное вейвлет-преобразование и инструмента Реконструкция в Siril даёт отличные результаты, как показано здесь. Это изображение Юпитера было первоначально улучшено с помощью вейвлетов, где первый слой был установлен на 75, второй — на 10, а остальные оставлены по умолчанию. Затем была создана цветная PSF из трёх дисков Эйри, рассчитанных для используемого телескопа и сенсора (6-дюймовый Ньютон с линзой Барлоу 3x и сенсором ASI462MC с пикселями 2,9 микрона), объединённых с помощью инструмента Совмещение в RGB. Эта PSF была использована для реконструкции изображения с 6 итерациями метода Ричардсона-Люси (в данном случае использовалась мультипликативная версия). На каждом этапе изображение становится чётче.
Необработанное уложенное изображение всё ещё размыто.
Обработано в Siril с использованием вейвлет-преобразования, коррекция 1-го вейвлет-слоя равна 75, у 2-го вейвлет-слоя — 10.
Обработано в Siril с вейвлетами, как и выше, и затем мультипликативным методом реконструкции по Ричадсону-Люси с 6-ю итерациями .
Не сложенные изображения планет
Совет
Внимание: этот метод чрезвычайно медленный, поскольку требует индивидуальной обработки, как правило, 30 000 (или больше) изображений в планетарной последовательности!
Некоторые пользователи предлагают смягчить диффракцию телескопа, выполнив до укладки реконструкцию вашей последовательности, используя для генерации PSF профиль Диск Эйри. Чтобы сделать это для типичной цветной камеры, при загрузке последовательности необходимо установить флажок Дебайеризация. Вы можете пойти ещё дальше, если захотите, сгенерировав три отдельные профиля Диска Эйри для красного, зелёного и синего цветов (обычно 600нм, 530нм и 450нм соответственно). Siril напрямую не может создавать цветную PSF (интерфейс реконструкции и так достаточно перегружен!), но если вы отдельно сохраните красный, зелёный и синий профили Диска Эйри вы можете объединить их в цветную PSF, используя инструмент Совмещение в RGB. Сохраните её, и при загрузке цветного изображения или последовательности PSF будет загружаться в цвете и выполняться реконструкцию каждого цветового канала с использованием соответствующей PSF.
Укладка и повышение чёткости без реконструкции каждого кадра.
Необработанный результат укладки: лучшие 30% из 91тыс кадров, к которым была применена реконструкция Siril.
Результат повышения чёткости изображения, полученного укладкой кадров, к которым была применена реконструкция.
На изображении выше видно небольшое улучшение формы кромки в варианте, в котором перед укладкой кадры были подвергнуты реконструкции с помощью профиля PSF Диск Эйри по методу Ричардсона-Люси в Siril, но необходимо соблюдать осторожность, чтобы избежать потери деталей. Этот процесс очень медленный: моей машине, на которой я веду разработку, потребовалось 4,5 часа, чтобы обработать каждый из 91тыс кадров этой последовательности, а улучшение может быть незначительным, если вообще произойдет.
Команды
Командная строка Siril
makepsf clear
makepsf load filename
makepsf save [filename]
makepsf blind [-l0] [-si] [-multiscale] [-lambda=] [-comp=] [-ks=] [-savepsf=]
makepsf stars [-sym] [-ks=] [-savepsf=]
makepsf manual { -gaussian | -moffat | -disc | -airy } [-fwhm=] [-angle=] [-ratio=] [-beta=] [-dia=] [-fl=] [-wl=] [-pixelsize=] [-obstruct=] [-ks=] [-savepsf=]
Командная строка Siril
rl [-loadpsf=] [-alpha=] [-iters=] [-stop=] [-gdstep=] [-tv] [-fh] [-mul]
Командная строка Siril
sb [-loadpsf=] [-alpha=] [-iters=]
Командная строка Siril
wiener [-loadpsf=] [-alpha=]
Литература
Anger, J., Facciolo, G., & Delbracio, M. (2018). Estimating an image's blur kernel using natural image statistics, and deblurring it: an analysis of the Goldstein-Fattal method. Image Processing On Line, 8, 282-304. https://doi.org/10.5201/ipol.2018.211
Anger, J., Facciolo, G., & Delbracio, M. (2019). Blind image deblurring using the l0 gradient prior. Image processing on line, 9, 124-142. https://doi.org/10.5201/ipol.2019.243
Goldstein, A., & Fattal, R. (2012, October). Blur-kernel estimation from spectral irregularities. In European Conference on Computer Vision (pp. 622-635). Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-33715-4_45
Lucy, L. B. (1974). An iterative technique for the rectification of observed distributions. The astronomical journal, 79, 745. https://doi.org/10.1086/111605.