AO corrected image restoration: extending the marginal approach using MCMC algorithm
Restauration d'images astronomiques corrigées par optique adaptative : méthode marginale étendue par algorithme MCMC
Résumé
Adaptive optics (AO) corrected image restoration is particularly difficult, suffering from the lack of knowledge on the point spread function (PSF) in addition to usual difficulties. An efficient approach is to marginalize the object out of the problem and to estimate the PSF and (object and noise) hyperparameters only, before deconvolving the object using these estimations. Recent works have applied this marginal blind deconvolution method, combined to a parametric model of the PSF, to a series of AOn corrected astronomical and satellite images. Our work extends it thanks to Markov chain Monte Carlo (MCMC) methods to include error bars on the estimated PSF parameters as well as on object and noise hyperparameters. Finally, we present the obtained results on simulated and experimental astronomical images.
La restauration d'images corrigées par optique adaptative (OA) est particulièrement difficile, du fait de la méconnaissance de la réponse impulsionnelle du système optique (PSF pour point spread function) en plus des difficultés usuelles. Une approche efficace est de marginaliser l'objet et d'estimer la PSF et les hyperparamètres (liés à l'objet et au bruit) avant la déconvolution. Des travaux récents ont appliqué cette approche, combinée à un modèle paramétrique de PSF, à des images astronomiques et de satellites. Nous proposons une extension de cette méthode utilisant un algorithme Monte-Carlo par chaînes de Markov, afin d'inclure des barres d'erreur sur les paramètres. Nous présentons les résultats obtenus sur des images astronomiques, simulées et expérimentales.
Origine : Fichiers produits par l'(les) auteur(s)