一种用于龙虾眼X射线望远镜观测图像目标检测的数据处理框架

最新科研进展

近日，国际著名天体物理期刊ApJS（The Astrophysical Journal Supplement Series，IF 8.132）录用了太原理工大学智能光学成像实验室与国家天文台合作的学术论文《Target Detection Framework for Lobster Eye X-Ray Telescopes with Machine Learning Algorithms》，该工作由智能光学成像实验室贾鹏、刘文波、国家天文台刘元研究员和潘海武博士共同完成。

宇宙中天体发出的电磁波携带着天体的活动信息，是人类与天体交流的信使。其中，天体发出的X射线光子能够揭示宇宙中神秘迷人的高能活动，既是人类探索黑洞和中子星等神秘天体的窗口，也是了解引力波和宇宙学的关键，更是发现新天文现象和新科学的重要手段。从信号发射模式上区分，当前主要有两类X射线源，一类是人类已知的长期发射信号的X射线源，例如天鹅座X-1等；另外一种是随机发射信号的X射线源，这类天体有可能在天空任意位置，任意时刻发射信号，因此又被称为暂现源。例如，当天体被黑洞吞噬时，在X射线探测波段会发出强烈的信号。但是，因为黑洞并不发光，所以发生前述现象前，科学家既无法探知这类天体的位置，更无法确定发生的时间。

为了更好地观测宇宙中的高能暂现源，我国天文学家提出并建造了爱因斯坦探针卫星（EP）。EP搭载了两台望远镜WXT和FXT，其中WXT负责在轨识别并发现天空中有趣的X射线目标，FXT根据WXT的信号进行后随观测。X射线光子能量较高，传统的光学系统无法实现有效成像，因此，EP-WXT采用了龙虾眼望远镜(LE)。龙虾眼望远镜模仿龙虾眼的光学成像原理，由一个有许多微孔的板组成，每个孔隙都有一个锥形的矩形形状，进入其中的x射线光子被反射在孔壁上，并形成图像，这个图像主要集中在一个十字形状上，如图1所示。

图1 龙虾眼光学成像示意图。当光线在水平及垂直方向上反射奇数次时，光线反射向焦点处，如图中橙色光线所示。当光线在水平或垂直方向上反射奇数次，而在另外一个方向上反射偶数次时，反射光线将折转向十字焦线的两臂，如图中蓝色光线所示。当光线在两个方向上都反射偶次或未经过反射直接透过微通道管时光线将成为背景光线，焦点对比度降低。

十字臂是龙虾眼望远镜点扩散函数（PSF）的主要特征。由于所有由龙虾眼望远镜观测的目标都会受十字臂PSF的调制，因此给目标检测算法研发带来了困难。传统上，科学家会根据光子在探测器平面上的位置生成2D图像，并使用经典算法来检测目标。然而，由于X射线波段天体的光子数很少，常规的检测算法在探测低流量天体时的完备性以及整体的检测纯度都相对较低。研究团队以EP WXT的模拟数据为基础（模拟图像和实际观测图像的对比图如图2）为例，提出了一种新的龙虾眼X射线望远镜目标检测框架。

图2 LEIA（爱因斯坦探测器任务的宽视场x射线望远镜的探路者）对银河系中心天区单次观测获得的X射线图像（左图）和模拟图像（右图），左右图的观测时长同为800秒，视场18.6度x18.6度。（来源：https://www.sci.news/astronomy/gaia-second-release-05950.html）

首先是候选源检测部分，使用几种不同的基于机器学习的目标检测算法从2D图像中检测出不同通量的天体目标；然后是分类筛选部分，使用条件限制和随机森林算法从候选检测对象中获得最终检测结果。研究团队产生Level-1图像（256 x 256像素）用于极亮和明亮目标的检测，产生Level-2图像（512 x 512像素）用于普通目标的检测。该框架算法具有较高纯度（超过94%）、适中的完备性（对于通量大于3MCRAB(9.6×10−11erg/cm2/s)的目标，完备率超过90%）的同时对观测条件的变化具有较强的鲁棒性（曝光时间从100秒到1200秒变化时，检测纯度都能保持在90%以上）。

图3 图a显示了包含大量高通量目标的二维堆叠图像，而图b显示了包含大量中等通量目标的二维堆叠图像。绿色圆圈的中心是这些目标的坐标。可以看出，即使用直方图均衡化的方法来显示这些图像，也很难看到中等通量的目标

图4 目标检测框架图。整个过程可以分为四个步骤：极亮目标检测部分、明亮目标检测部分、普通目标检测部分和目标分类部分，两种不同像素尺度的图像作为目标检测的输入信息

由图5可知，团队提出的检测框架对不同通量范围内的天体，特别是极亮目标和普通目标都具有更好的检测性能。由图6可知，团队提出的方法可以检测到大部分中等亮度以上的目标，甚至是一些人眼难以识别的目标。总体而言，对于EP上WXT获得的数据，我们团队的这个算法是一个能够满足基本需求的目标检测框架。接下来，研究团队将针对检测框架的平均定位误差较大的情况进行优化，同时检测算法考虑其他两个维度的信息：能量和到达时间。在以后的工作中，还需要根据检测结果进一步设计分类算法，进而区分不同X射线天体目标的类别。

图5在整个探测过程中，对于不同通量范围的目标，检测框架和SExtractor的纯度-完备性曲线比较图

图6 用检测框架得到的几个检测结果。大多数中等亮度的目标（有些目标人眼很难识别到）也能被我们的算法框架检测到

本研究获得国家自然科学基金（NSFC资助号:12173027、12173062），中国载人航天工程（NO. CMS-CSST-2021-A01 and CMS-CSST-2021-B12）和平方公里阵（SKA NO. 2020SKA0110102）等项目的科研资助。

研究代码已经过国家天文科学数据中心论文数据贮藏库（PaperData）发布（DOI: 10.12149/101175），相关云服务资源由智能光学成像实验室部署，可以通过联系负责人贾鹏（robinmartin20@gmail.com）获取使用权限。

关于智能光学成像实验室

智能光学成像实验室由贾鹏博士建立，面向国家基础科学装置和战略需求，开展光电系统数字孪生及智能信号处理研究，研究成果服务我国空间站巡天望远镜、欧洲极大光学望远镜、大光学红外望远镜、平方公里阵列、爱因斯坦探针、司天计划等国内外大科学装置。近年来，在国家自然科学基金、载人航天工程和平方公里阵专项项目支持下，融合天文仪器数字孪生和智能数据处理技术开展天文目标信息自动提取和未知天文目标发现研究，助力我国科学实现从0到1的突破。

期待你的加入！

国家天文科学数据中心

为天文观测设备和研究计划

提供数据与技术服务

中国虚拟天文台（China-VO）是以国家天文台为代表的中国天文界及合作伙伴共同打造的一个网络化科学研究和科普教育平台。它架构在国家天文科学数据中心雄厚的数据资源基础之上，得到中科院、科技部、国家基金委、北京科委等机构的资助，以及中国科技云、阿里云、微软研究院、浪潮集团、中科曙光、锐捷网络等合作伙伴的大力支持。

微信公众号ID ：China-VO