星系图像分解：理论基础与实操

背景

星系成分分解，是星系图像建模的一种方法。

通过对星系图像进行成分分解，可以实现许多的科学目标：

• 提供描述星系图像细节的模板，从而能够更好地测光。
  • 扣除活动星系核的核区流量。
• 参数化描述星系结构，有助于定量理解星系多样形态。
• 研究星系形成中的复杂物理过程。
  • 星系结构演化与组装历史。
  • 棒结构随红移的演化。

图像分解的基本原则与限制：

• 明确科学目标，由科学目标（而非代码）来指导图像分解工作
• 细节：图像的分辨率是否足够？PSF模型是否靠谱？是否足够了解图像背景？是否有流量污染？
• 不能轻信拟合结果：误差估计是否合适？参数简并情况？残差结构是否符合预期（不能轻信${\chi }^2$统计）？
• 充分理解图像分解方法的局限性

相关步骤

首先需要得到模型图像。得到模型图像的大体流程为：使用某个解析函数，通过积分算出每个pixel的流量，再通过卷积psf得到模型图像。

随后进行简单拟合，简单拟合的步骤：

• 读取数据图像、mask图像、PSF图像、sigma图像
• 单成分拟合

在残差图中，可能会出现子结构的图样。而这样的子结构一般不会影响对亮度的估计，因为它们有正有负，平均下来的影响接近于0.

用photutils进行星系图像分解