一种新的MUSER图像复原方法

抽象

在分米波太阳能无线电图像范围由许多成分复杂包括盘部件，一些亮和弱紧凑来源，并且许多漫射特征的。复杂的结构用常规的算法时使恢复失败可能组合这些各种组件。此外，在不同的频率带中的图像是相当不同的。因此，对于太阳能无线电图像恢复方法是从其他无线源的不同。中应用，并取得对南赛radioheliograph图像和野边山radioheliograph图像，以及一些新的方法了良好的效果引入近几年处理这些复杂的太阳射电图像时，一些图像复原方法。用于与超宽频带，新的图像恢复方法，其可以最大限度地提高望远镜的功能要求一个新radioheliograph。不同的图像可以从相同的可见度的数据通过在成像处理使用不同的加权函数来获得。在本文中，提出了一种用于太阳能无线电图像的新恢复方法。与来自相同数据的不同加权函数的两个图像被组合在该方法中。该恢复方法应用于数据Mingantu光谱radioheliograph的处理。

1.简介

Mingantu光谱radioheliograph（MUSER）是可以产生高时间分辨率，高光谱分辨率，并且在分米高空间分辨率无线电图像以厘米波范围[太阳能专用无线电干涉阵列1]。在常规观测已经进行自2016年3年;已经获得的观测数据和一些图像的结果的质量。太阳能无线电图像从其他无线电天文图像非常不同。这是因为，有很多不同类型的太阳能无线电图像，结构中的诸如太阳能磁盘组件;一些明亮的紧凑源如耀斑;一些微弱紧凑源像透视明亮点和X射线束相关的无线电发射;许多漫射功能，如有源区，凹陷与暗长丝相关联，并且在极性和冠状孔区域高原形状的增强[2]。使用常规的算法时，这样的结构复杂可能导致恢复失败和增加的计算时间。使用标准的CLEAN算法及其进化算法不能获得具有超宽频段MUSER图像良好的效果。

在世界其他radioheliographs开发的一些方法给我们的一些经验来解决这个问题。一种新的改进的多尺度CLEAN算法应用到南赛radioheliograph（NRH）数据。该算法通过使用5或6 UV-过滤包括中央盘和4个或5个环恢复与空间尺度的广谱太阳能图像，并且它是耗时少比普通CLEAN过程[3]。Nobeyama射日仪(NoRH)的图像处理方法主要有3种;三种方法中的第一种使用了标准的CLEAN算法，对使用脏模型的耀斑进行了优化，这意味着不同大小的模型高斯源的脏图像[4]。转向算法是第二种方法，这是更好的用于漫射电源[2]。第三种方法是在部分图像中获得预期的分辨率，并引入两步清洗[五]。

根据我们对太阳物理学的了解，我们知道不同频段的太阳射电图像对应于离太阳表面不同高度的位置。这意味着低频波段的太阳射电图像与高频波段的有很大不同。MUSER的频率是0.4GHz到15 GHz，比NRH和NoRH宽得多。用同样的方法在宽频带内处理这些数据是很困难的。因此，NoRH和NRH的方法不能直接用于处理MUSER数据。为此，本文提出了一种新的图像恢复方法，用于处理宽频带的MUSER数据。

2.修复方法

通常在许多傅里叶变换成像程序中指定加权函数来微调波束形状[6]。波束形状可被控制或用权重函数来扩展。光束形状装置的空间分辨率。具有不同的空间分辨率的图像可从相同的可见性通过使用不同的加权函数进行处理。这种恢复方法的主要思想是施加不同的加权函数和不同的清洁程序的两个图像的组合。

2.1。加权函数

对于干涉阵列来说，u-v覆盖的点总是不够的，特别是对于快照模式下的太阳观测。太阳的无线电图像是随时间变化的，不可能将可见性与较长的集成时间相结合以提高图像质量。太阳观测的积分时间只有几毫秒。u-v平面上的点分布是不均匀的。密度加权函数可通过局部密度的倒数加权来补偿u-v平面内数据的聚类[6]。有两种选择对于一般的方式，自然加权均匀加权的权重函数。

对于自然加权，u-v平面上的所有点均被平等对待。对太阳观测来说，要想很好地实现太阳盘和大尺度结构，需要较大的短基线成员。100米内的MUSER天线数量约占40%。因此，自然加权强调来自短基线的数据。光束的形状打算被扩展，并且一个相对宽的光束尺寸将出现在自然加权的图像中。但扩展光束尺寸的优点是可以获得更好的信噪比，用于探测暗灯丝和冠状空穴等弱光源。

对于U-V平面均匀加权，更密集的区域内的点比别人低的权重。中央区域的密度分布是致密和周围是稀疏逐渐。这意味着从短基线数据的重量比从长基线低。它使针对观测太阳能图像的大型结构。相比天然加权，以均匀加权的光束尺寸小于与天然的加权和为获得用于在阳光下的紧凑来源，如耀斑和透视射流高空间分辨率越好。

有时，这两个加权函数是不足特别是在观察的快照模式。对于超级均匀加权，鲁棒加权被开发为针对上述问题[6]。在该图像恢复方法，只有自然加权和均匀加权已考虑在内。

2.2。去卷积

从干涉的相关器输出的可见度可以用于产生天空的亮度分布的图像。但图像的质量不够由于由天线数目有限能见度的损失。因此，去卷积是必要的通过干涉阵列观察到无线电图像。清洁算法和一些衍生物算法是用于无线电图像的去卷积的主要算法。在该恢复方法，CLEAN标准算法和操舵算法相结合为MUSER图像。

清洁算法是由J. Hogbom于1974年制定[7]。它打算创建从“脏图像”，其是使用“脏光束”所观察到的图像的真正的“天空亮度分布”的模型。该模型被称为“清洁图像”，用“清洁光束”，这表示理想PSF被创建。它通常是相同的FWHM高斯函数作为脏光束的中心成分[8]。对于点源或类点源，CLEAN算法可以获得更好的结果。但扩展源有时由于缺乏极短或零间隔而无法恢复。对于太阳观测，在影像中总是存在太阳盘分量。因此，对于MUSER的数据处理，标准的清洗程序是不够的。

转向算法由斯蒂尔等人提出。在1984年[9]。它被应用于日常太阳能图像数据处理的野边山radioheliograph的自动数据处理程序[2]。转向算法与组中射电源，而不是单独的交易。组件亮度比脏图像中的峰值亮度的某一部分被视为一组，称为轮廓修整;轮廓修整进行卷积与脏束以产生一个脏轮廓修整，这是从脏图像中提取[9]。转向算法需要比标准CLEAN算法更少的计算时间，由于比点减法其他组减法。

2.3。加权和反褶积的结合

据的不同加权函数和去卷积算法，均匀加权和标准CLEAN算法分析用来加工点光源和点状来源，天然和加权算法操舵旨在对付扩展光源。有各种结构，包括一磁盘，紧凑来源，如在本文的引言部分提到太阳能无线电图像扩散源。因此，其主要思想是不同的加权函数和反卷积算法结合;提出并进入一个新的合成复原方法如下。（1）除去部分的太阳能磁盘部件（2）从与均匀加权的数据获得所述第一图像脏（3）甲Hogbom CLEAN算法在第一脏图像执行;得到一个干净的形象（4）从自然加权的数据中获取第二幅脏图像(5)甲操舵算法在第二脏图像执行;再弄干净的形象(6)将两张干净的图像相加;将这些脏图像的残差添加到干净图像中(7)加回太阳盘面成分，并获得最终的图像

将一个太阳盘模型与脏束卷积生成的太阳盘组件从可见性数据中减去，然后再将其添加到干净的图像中。必须注意的是，减去的分量并不全是太阳盘，只是太阳盘的一部分。其原因是探测到太阳盘中的弱源要比完全去除太阳盘容易得多。因此，一些明亮和暗淡的致密源，许多弥散结构，部分盘状体被保留。另外，两张干净的图像的峰值需要缩放到相同，然后再相加。

3.结果MUSER观察

已于MUSER的观测数据进行这种新的复原方法。于2016年7月5中的数据，用该复原方法处理。The frequency of this observation is 4.2 GHz. The sun is very quiet without any bursts from flux density observed by Nobeyama radio polarimeters and radio spectrum of MUSER. To improve quality of image, the 2-hour data with 10-minute cadence were merged together. The integration time of each point in u-v plane is 60 milliseconds. The antenna configuration and u-v coverage of this data are shown in Figure1。与天然加权函数和清洁图像使用操舵算法脏图像显示在图2。具有均匀加权函数和使用Hogbom CLEAN算法清洁图像脏图像显示在图3。使用具有NoRH观察到这种恢复方法和图像的最终图像显示在图4。

从使用该恢复方法最终图像施加到MUSER观测数据，该图像的质量要比只使用一个去卷积算法，类似的结果到NoRH更好。存在由于不同的观测频率MUSER和NoRH的图像之间的差异。

4。讨论

只有天然加权和均匀加权在本文这个修复方法被执行。在不同的频率太阳射图像是不同的。另外，在太阳活动周期，如太阳能最小和最大的不同相位的太阳能图像，是非常不同的。因此，一些其它的加权功能，如健壮加权，也许需要被与在未来其它频带中的数据考虑。此外，通过不同的加权函数的清洗图像与相等的加权一起加入。调整不同的权重不同的清洁图像使得这种恢复方法更一般的，用于处理不同的太阳能图像。

五，结论

MUSER是一种太阳专用干涉仪，被称为新一代太阳射电望远镜。它覆盖了分米到厘米的波段。为了满足太阳图像超宽频带和复杂结构的要求，需要一些新的恢复方法或算法。本文提出了一种新的恢复方法，并将其应用于MUSER数据中，取得了一定的效果。

数据可用性

MUSER和处理手稿中的数据是大家关注开放获取。

利益冲突

作者宣称，他们没有利益冲突。

致谢

戴尔加里教授非常感谢的意见和建议，以改善修复方法。这项工作是由中国国家自然科学基金11773043的支持，补助11433006，11790301，11790305，和，也可以由国家天文台，天文阿里大数据联合研究中心开放的研究项目的支持。

参考

1. W.王，阎焱，刘D.等人，“校准和数据的分米波范围内的中国光谱radioheliograph处理，”日本天文学会会刊，第65卷，第18期，2013年。查看在：出版商网站|谷歌学术搜索
2. H.舆石“由操舵算法太阳能图像复原，”天文学和天体物理学卷。412，没有。3，第893-896，2003。查看在：出版商网站|谷歌学术搜索
3. C. Mercier的，“由从巨人Meterwave射电望远镜（GMRT）和南赛Radioheliograph（NRH）合并能见度高动态太阳能无线电图像，”在天文学和天体物理学的法国社会的年会会议纪要卷。P75，2006年。查看在：谷歌学术搜索
4. Y.花冈，“处理的野边山Radioheliograph数据，”在Kofu专题论文集，第35-43，甲府，日本，1993年。查看在：谷歌学术搜索
5. K.藤木博士论文，在综合研究大学院大学，1998年。
6. R. Perley, F. Schwab, A. Bridle，“射电天文学的合成成像”，太平洋会议系列天文学会， 1999年第6卷。查看在：谷歌学术搜索
7. J. A. Hogbom，“光圈合成用的干涉仪基线的非规则分布，”天文学和天体物理学卷。15页。417，1974年。查看在：谷歌学术搜索
8. U. J.施瓦茨“的迭代波束卸下技术（方法CLEAN）的数学统计的说明，”天文学和天体物理学， 1978年第65卷第345页。查看在：谷歌学术搜索
9. D. G.操舵，P. E. DEWDNEY和M. R.伊藤，“增强的去卷积算法 '干净'，”天文学和天体物理学卷。137，没有。2，第159-165，1984。查看在：谷歌学术搜索

版权

版权所有©2019王伟和宜华燕。这是下发布的开放式访问文章知识共享署名许可，其允许在任何介质无限制地使用，分发和再现时，所提供的原始工作正确的引用。