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 χ 2 \chi^2 χ2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.