差分CLEAN算法在編碼板成像中的應(yīng)用*

賈振卿，霍卓璽，周建鋒

(1. 清華大學(xué)工程物理系天體物理中心，北京 100084；2. 粒子技術(shù)與輻射成像教育部重點(diǎn)實(shí)驗(yàn)室(清華大學(xué))，北京 100084；3. 高能輻射成像國(guó)防重點(diǎn)學(xué)科實(shí)驗(yàn)室，北京 100084)

由于硬X及γ射線照射物質(zhì)時(shí)絕大部分會(huì)穿透或發(fā)生作用，很難像可見(jiàn)光一樣發(fā)生反射和折射，因此對(duì)于較高能量的硬X射線和γ射線難以采用傳統(tǒng)的光學(xué)聚焦方式成像，通常采取調(diào)制型成像技術(shù)[1]。該技術(shù)用硬件方法實(shí)現(xiàn)X射線源在時(shí)間或空間上的調(diào)制，而后用軟件方法解調(diào)得到圖像信息。

編碼板成像是一種常用的硬X射線調(diào)制成像方法，屬于對(duì)觀測(cè)信號(hào)進(jìn)行空間調(diào)制的類(lèi)型。編碼板成像由小孔成像推廣發(fā)展而來(lái)，最初用于實(shí)踐的編碼成像設(shè)備就是在平板上分布有大量隨機(jī)生成的小孔。但由于該設(shè)備無(wú)法同時(shí)滿足提高角分辨率和靈敏度的需求，后來(lái)被經(jīng)過(guò)專門(mén)設(shè)計(jì)的編碼板取代。如NRA(Non-Redundant Arrays)編碼板在理論上已經(jīng)擁有了近乎完美的參數(shù)[2]，但由于成像質(zhì)量受噪聲因素嚴(yán)重制約，轉(zhuǎn)而被用作醫(yī)學(xué)成像以及光學(xué)和紅外波段的天體成像。NRA推廣得到的URA(Uniformly Redundant Arrays)編碼板[3]已經(jīng)得到了成功應(yīng)用，但仍有只能配合特定尺寸探測(cè)器使用的缺陷。此外還有PNP(Pseudo-Noise Product)[4]、Geometric-Mask[5]等其他設(shè)計(jì)類(lèi)型的編碼板。

編碼板成像的具體過(guò)程是先經(jīng)由編碼板對(duì)射線源進(jìn)行空間調(diào)制，觀測(cè)結(jié)果稱為陰影圖(shadowgram)。陰影圖是被觀測(cè)物體圖像與編碼板矩陣的卷積結(jié)果。為了獲取被觀測(cè)物體的圖像，需要對(duì)陰影圖進(jìn)行反卷積重建[6]。觀測(cè)圖像的重建過(guò)程通常是根據(jù)陰影圖和編碼板解碼矩陣之間的相關(guān)運(yùn)算得出的。這一過(guò)程可以由交叉相關(guān)算法或各種反卷積類(lèi)型的圖像重建算法實(shí)現(xiàn)[7]。對(duì)于理想的編碼板成像系統(tǒng)，其PSF(Point Spread Function, 即點(diǎn)擴(kuò)展函數(shù)，此處為編碼板矩陣和解矩陣的相關(guān)結(jié)果)是δ函數(shù)。此時(shí)交叉相關(guān)方法可以獲得很好的重建結(jié)果。在實(shí)際的系統(tǒng)中，由于要考慮半編碼區(qū)域和探測(cè)器間隔、探測(cè)器死像素等因素，點(diǎn)擴(kuò)展函數(shù)不再是δ函數(shù)，在主峰之外還帶有旁瓣，因此交叉相關(guān)重建的圖像中往往存在一些很強(qiáng)的鬼像。此外，由于觀測(cè)天區(qū)往往存在著比較強(qiáng)的本底，使得弱源不僅會(huì)受到強(qiáng)源的干擾，還會(huì)淹沒(méi)在背景噪聲中難以分辨。對(duì)于這些缺陷，交叉相關(guān)法都沒(méi)有很好的解決辦法。因此，為了滿足高質(zhì)量成像的需求，需要采取更好的重建算法。

CLEAN算法是常用的反卷積圖像重建算法之一。它是由荷蘭科學(xué)家H?gbom(1974)提出的一種成像算法[8]，它最初被應(yīng)用到干涉陣的成像處理中。干涉陣與編碼板成像系統(tǒng)相似，采樣的數(shù)據(jù)往往比較稀疏，經(jīng)過(guò)傅里葉變換后的圖像重建結(jié)果存在很強(qiáng)的旁瓣效應(yīng)，和真實(shí)的圖像相去甚遠(yuǎn)，只能算是“臟圖”。CLEAN算法是從臟圖出發(fā)，用一組δ函數(shù)逼近源真實(shí)的圖像，通過(guò)迭代運(yùn)算消除臟圖中的旁瓣，最終獲得與真實(shí)的圖像很接近的“凈圖”。后來(lái)Schwarz 于1978年經(jīng)過(guò)深入的數(shù)學(xué)理論分析和探討[9]，證明CLEAN算法不僅僅是一種消卷積算法，而且是一個(gè)濾波過(guò)程，具有很高的信噪比。使用CLEAN算法能夠有效消除鬼像和本底噪聲。

后來(lái)發(fā)現(xiàn)CLEAN過(guò)程存在著一些不合理之處[10-12]。實(shí)際觀測(cè)中數(shù)據(jù)通常采取不等間隔采樣，后處理時(shí)還需要對(duì)數(shù)據(jù)進(jìn)行網(wǎng)格化、插值等操作。另外探測(cè)器中普遍存在損壞的單元。傳統(tǒng)CLEAN的處理方法是基于一些模型估計(jì)這些單元的數(shù)據(jù)，這些操作都會(huì)在臟圖中引入額外的噪聲。傳統(tǒng)的CLEAN過(guò)程直接從“臟圖”出發(fā)，不能在后續(xù)的迭代中避免這些額外噪聲的影響。另外CLEAN算法無(wú)法有效抑制強(qiáng)的本底，不利于弱源的探測(cè)。

1 差分CLEAN算法

差分CLEAN算法針對(duì)傳統(tǒng)CLEAN的上述缺陷進(jìn)行了改進(jìn)。該算法從“臟圖”中估計(jì)出部分真實(shí)信號(hào)(即模型信號(hào))后，不是直接在臟圖上進(jìn)行CLEAN操作，而是求出模型信號(hào)在所有探測(cè)器上對(duì)應(yīng)的模型觀測(cè)數(shù)據(jù)，把實(shí)際觀測(cè)數(shù)據(jù)與模型觀測(cè)數(shù)據(jù)的差值當(dāng)作下一次CLEAN的起始點(diǎn)。采用差分CLEAN算法可以消除數(shù)據(jù)缺失、不等間隔采樣以及后處理過(guò)程中引入的人為噪聲，得到更好的圖像質(zhì)量。

對(duì)于編碼板成像系統(tǒng)，差分CLEAN算法的具體實(shí)現(xiàn)過(guò)程如圖1。

首先通過(guò)交叉相關(guān)算法由陰影圖獲得臟圖，并在其中尋找亮度最高的點(diǎn)P。假設(shè)被觀測(cè)區(qū)域的圖像由一系列點(diǎn)源組成。由于陰影圖是被觀測(cè)物體圖像與編碼板矩陣的卷積，因此可以認(rèn)為P點(diǎn)位置必然有來(lái)自真實(shí)點(diǎn)源的貢獻(xiàn)。這一貢獻(xiàn)的比例可以根據(jù)經(jīng)驗(yàn)加以估計(jì)，在CLEAN中通常用一比例系數(shù)g表示。將P點(diǎn)的亮度乘以g，得到對(duì)應(yīng)位置的模型分量，并加入模型圖中。模型圖與編碼板矩陣卷積得到的模型陰影圖就可以作為被觀測(cè)點(diǎn)源在陰影圖中部分真實(shí)貢獻(xiàn)的估計(jì)。

然后從陰影圖中去除這部分貢獻(xiàn)，再以殘余的陰影圖作為差分CLEAN下一次迭代的起點(diǎn)，重復(fù)上述步驟，直到殘余圖中沒(méi)有明顯的結(jié)構(gòu)，則終止迭代。CLEAN算法可以保證收斂[13]，通常選取殘圖中最亮點(diǎn)的強(qiáng)度小于3倍標(biāo)準(zhǔn)差作為終止迭代的條件。至此可以認(rèn)為已經(jīng)在CLEAN過(guò)程中將陰影圖所包含的真實(shí)圖像信息移除并保存到模型圖中。

要還原這些圖像信息只需要將模型圖與理想的點(diǎn)擴(kuò)展函數(shù)卷積，加上迭代終止時(shí)最終的殘余圖，就可以獲得CLEAN的結(jié)果凈圖。

圖1 編碼板成像的差分CLEAN算法流程示意圖

Fig.1 Flowchart of the Differential-CLEAN algorithm

2 數(shù)值模擬

為驗(yàn)證程序算法的可行性，首先分別采用交叉相關(guān)算法、傳統(tǒng)CLEAN算法以及差分CLEAN算法對(duì)模擬數(shù)據(jù)進(jìn)行了成像過(guò)程的檢驗(yàn)。

在編碼板圖像重建過(guò)程中，通常用一個(gè)矩陣M表示編碼板。M矩陣中元素1對(duì)應(yīng)碼板上鏤空的探測(cè)單元，0代表遮擋的部分。探測(cè)結(jié)果D可以表示為被探測(cè)天區(qū)S與M的卷積，再加上背景B。通常編碼板在設(shè)計(jì)時(shí)會(huì)采用特殊優(yōu)化的方案，可以比較簡(jiǎn)單地求出M對(duì)應(yīng)的反卷積矩陣G，使得M與G的卷積(即該碼版的點(diǎn)擴(kuò)展函數(shù))為δ函數(shù)。同時(shí)由于本底為一可測(cè)量的常量，能夠消除，從而可以由探測(cè)結(jié)果D重建觀測(cè)的天體圖像：

S′=DG=(SM+B)G

(1)

在模擬過(guò)程中首先生成編碼板矩陣M。由于后續(xù)工作中將對(duì)INTEGRAL衛(wèi)星上IBIS望遠(yuǎn)鏡的ISGRI探測(cè)器數(shù)據(jù)進(jìn)行處理，所以這里生成的矩陣與該探測(cè)器實(shí)際使用的MURA編碼板矩陣相同[14]，包括4個(gè)中心對(duì)稱的單元，每個(gè)單元由相應(yīng)階數(shù)的Jacobi數(shù)組生成(參見(jiàn)圖2)。同時(shí)反卷積所用的矩陣G可以很容易地由M矩陣得到：

G=2M-1

(2)

M與G卷積得到的即是編碼板的點(diǎn)擴(kuò)展函數(shù)，比較接近理想的δ函數(shù)，這也保證了MURA編碼板擁有良好的成像效果。

模擬使用的原始圖像由4個(gè)較為分散的點(diǎn)源組成。每個(gè)點(diǎn)源在圖像空間占9個(gè)像素，圖像空間內(nèi)每個(gè)像素投影到探測(cè)器上恰好對(duì)應(yīng)一個(gè)單元。單個(gè)像素流強(qiáng)分別為120 mCrab、110 mCrab、30 mCrab、10 mCrab，并加入了隨機(jī)泊松噪聲，噪聲在探測(cè)器單個(gè)像素上引起的響應(yīng)平均水平為最弱源最強(qiáng)響應(yīng)處的100%。同時(shí)隨機(jī)將10%像素單元的值設(shè)為0，用來(lái)模擬探測(cè)器損壞造成的數(shù)據(jù)缺失。由給定的原始圖像與理想的編碼板矩陣生成觀測(cè)圖像，采用3種算法分別對(duì)這一觀測(cè)結(jié)果進(jìn)行重建。其中CLEAN算法中的強(qiáng)度比例系數(shù)g(即每次迭代從最亮點(diǎn)P處提取的模型流強(qiáng)與殘余流強(qiáng)的比值為g)取0.01。模擬結(jié)果分別如圖3、圖4、圖5，其中最弱的一個(gè)點(diǎn)源強(qiáng)度與噪聲相當(dāng)，若事先并不知道其存在則很難分辨。

圖2 INTEGRAL衛(wèi)星上IBIS望遠(yuǎn)鏡所采用的MURA編碼板

Fig.2 MURA mask of IBIS on the INEGRAL satellite

圖3 模擬數(shù)據(jù)的交叉相關(guān)算法結(jié)果(即臟圖)，該圖的均方差為4.0 mCrab，其他詳細(xì)數(shù)據(jù)見(jiàn)表1

Fig.3 Results of the cross-correlation algorithm applied to sim- ulated data. The root-mean-square deviation of the map is 4.0mCrab. Other details of the data are shown in Table 1

圖4 模擬數(shù)據(jù)的CLEAN結(jié)果，其殘圖的均方差為2.9 mCrab，其他詳細(xì)數(shù)據(jù)見(jiàn)表1

Fig.4 Results of the CLEAN algorithm applied to the simulated data. The root-mean-square deviation of the residual map is 2.9mCrab. Other details of the data are shown in Table 1

圖5 模擬數(shù)據(jù)的差分CLEAN結(jié)果,其殘圖的均方差為2.7 mCrab，其他詳細(xì)數(shù)據(jù)見(jiàn)表1

Fig.5 Results of the Differential-CLEAN algorithm applied to the simulated data. The root-mean-square deviation of the residual map is 2.7mCrab. Other details of the data are shown in Table 1

表1三種算法對(duì)模擬數(shù)據(jù)的重建結(jié)果

Table1Reconstructionresultsofthesimulateddatawiththreealgorithms

殘圖均方差/mCrab點(diǎn)源1強(qiáng)度/mCrab點(diǎn)源2強(qiáng)度/mCrab點(diǎn)源3強(qiáng)度/mCrab點(diǎn)源4強(qiáng)度/mCrab真實(shí)值1201103010交叉相關(guān)算法4.0131.0120.836.612.9CLEAN算法2.9128.2119.234.113.2差分CLEAN算法2.7126.4116.732.211.6

交叉相關(guān)算法對(duì)編碼板的圖像重建結(jié)果中，在4個(gè)點(diǎn)源周?chē)梢钥吹绞置黠@的鬼像。這是由于編碼板的點(diǎn)擴(kuò)展函數(shù)并非真正的理想δ函數(shù)，而是存在著旁瓣。這些旁瓣會(huì)在反卷積的過(guò)程中產(chǎn)生鬼像。采用傳統(tǒng)CLEAN算法和差分CLEAN算法處理模擬數(shù)據(jù)的結(jié)果可以看出鬼像都得到了較好的抑制，已經(jīng)基本觀測(cè)不到鬼像的存在。對(duì)理想點(diǎn)源的重建效果二者沒(méi)有顯著區(qū)別。加入10%的壞像素后，差分CLEAN的重建結(jié)果擁有更低的噪聲水平，重建出的點(diǎn)源強(qiáng)度也更為接近真實(shí)值。若取30%的像素點(diǎn)為壞像素，差分CLEAN結(jié)果的殘圖均方差為2.7，CLEAN結(jié)果的殘圖均方差為3.0。與維納濾波、Lucy迭代等算法相比，差分CLEAN算法不會(huì)引入偽結(jié)構(gòu)，能夠給出確定的迭代終止條件，并且對(duì)噪聲不敏感，在原始數(shù)據(jù)部分缺失的情況下仍能得到較為理想的重建結(jié)果[15]。

3 INTEGRAL IBIS數(shù)據(jù)處理

INTEGRAL宇宙觀測(cè)衛(wèi)星[16-17]由歐洲航天局(European Space Agency, ESA)于2002年10月17號(hào)成功發(fā)射。INTEGRAL衛(wèi)星由2 500個(gè)硬X射線探測(cè)單元組成，探測(cè)器總面積2 500 cm2。設(shè)計(jì)的成像角分辨率為15′。INTEGRAL載有兩臺(tái)主要的伽瑪射線觀測(cè)設(shè)備SPI和IBIS。前者主要用于能譜測(cè)量，后者用于成像。兩臺(tái)設(shè)備各自擁有能量分辨和角分辨本領(lǐng)，但是進(jìn)行了不同的優(yōu)化，使得兩者能夠形成互補(bǔ)，獲得更好的整體效果。另外還有兩臺(tái)監(jiān)測(cè)設(shè)備JEM-X和OMC分別提供X波段和光學(xué)波段觀測(cè)上的補(bǔ)充。SPI、IBIS、JEM-X都是編碼板成像設(shè)備。

IBIS編碼板成像系統(tǒng)包括了一個(gè)MURA編碼板，以及兩組與編碼板大小基本相當(dāng)?shù)馁ゑR射線探測(cè)器。其中ISGRI是低能段探測(cè)器(15 keV～1 MeV)，PICsIT是高能段探測(cè)器(175 keV～10 MeV)。

IBIS的完全編碼視野(FCFOV)為8°×8°，理論角分辨率12′。ISGRI每個(gè)像素的大小為5′， PICsIT每個(gè)像素的大小為10′。IBIS的MURA編碼板尺寸為11.2 mm×11.2 mm×16 mm，ISGRI探測(cè)器為128×128的CdTe晶體陣列，每個(gè)單元的尺寸為4 mm×4 mm×2 mm，單元中心間的距離為4.6 mm。PICsIT為64×64的CsI探測(cè)器，單元尺寸是8.4 mm×8.4 mm×30 mm，單元間距9.2 mm。

這里處理的數(shù)據(jù)是由ISGRI探測(cè)器采集，觀測(cè)數(shù)據(jù)保存在FITS文件中，與處理模擬數(shù)據(jù)的流程不同，在處理實(shí)際數(shù)據(jù)時(shí)還需針對(duì)儀器的實(shí)際性能進(jìn)行相關(guān)的修正。

首先探測(cè)器采集單元與編碼板單元的尺寸并不一致，因此不能將實(shí)際觀測(cè)數(shù)據(jù)簡(jiǎn)單地代入之前的模擬程序，而是需要根據(jù)探測(cè)單元與M矩陣的比例先對(duì)數(shù)據(jù)進(jìn)行插值。程序中采取了比較成熟的雙線性插值，根據(jù)探測(cè)器和編碼板的尺寸可以計(jì)算得出插值需要的各項(xiàng)參數(shù)。

其次，因?yàn)樘綔y(cè)器的視野有限，被探測(cè)區(qū)域在探測(cè)器各單元上探測(cè)到的強(qiáng)度是不同的，還需要對(duì)圖像進(jìn)行強(qiáng)度修正。具體實(shí)現(xiàn)的方法為逐點(diǎn)除以某個(gè)修正矩陣，修正矩陣由強(qiáng)度完全均勻分布的探測(cè)結(jié)果進(jìn)行反卷積得到。需要注意的是修正矩陣的邊緣存在十分接近0的元素， 這樣修正后圖像的邊緣區(qū)域的漲落很大，信噪比很低。因此在實(shí)際數(shù)據(jù)處理中，一般把這些圖像區(qū)域剔除。

圖6、圖7、圖8為使用交叉相關(guān)、CLEAN以及差分CLEAN對(duì)ISGRI探測(cè)器實(shí)際數(shù)據(jù)(如圖6，目標(biāo)為Crab源)的處理結(jié)果，圖中坐標(biāo)單位均為像素，亮度為取自然對(duì)數(shù)后的結(jié)果?？梢钥吹浇徊嫦嚓P(guān)算法的處理結(jié)果中有著較為明顯的旁瓣結(jié)構(gòu)存在；CLEAN算法的結(jié)果中旁瓣已經(jīng)得到了較好的抑制，但背景強(qiáng)度較高，此外還可以看到一些亮度明顯低于周?chē)南袼攸c(diǎn)，這是由于探測(cè)器的損壞單元導(dǎo)致的；差分CLEAN算法同樣取得了良好的重建效果，消除了鬼像，背景噪聲的絕對(duì)強(qiáng)度和殘圖的漲落均低于其他兩種算法的結(jié)果。

圖6 OSA預(yù)處理后得到的陰影圖。觀測(cè)的開(kāi)始、結(jié)束時(shí)間分別為2004-09-04T20∶15∶52至20∶18∶03。選取的能道為15～20 keV，包含130×134個(gè)像素單元

Fig.6 The shadowgram pretreated by the OSA. The observation lasted from 2004-09-04T20∶15∶5 to 20∶18∶03. There are 130×134 pixels included in the selected channel of 15KeV to 20KeV

圖7 圖6所示數(shù)據(jù)的交叉相關(guān)重建結(jié)果，其均方差為424 counts/s

Fig.7 Results of the cross-correlation algorithm applied to the data shown in Fig.6. The root-mean-square deviation of the residual map is 424 counts/s

圖8 圖6所示數(shù)據(jù)的CLEAN算法處理結(jié)果，其殘圖的均方差為405 counts/s

Fig.8 Results of the CLEAN algorithm applied to the data shown in Fig.6. The root-mean-square deviation of the residual map is 405 counts/s

圖9 圖6所示數(shù)據(jù)的差分CLEAN算法處理結(jié)果，其殘圖的均方差為369 counts/s

Fig.9 Results of the Differential-CLEAN algorithm applied to the data shown in Fig.6. The root-mean-square deviation of the residual map is 369 counts/s

表2三種算法對(duì)IBIS數(shù)據(jù)的重建結(jié)果

Table2ReconstructionresultsofIBISdatawiththreealgorithms

殘圖均方差(counts/s)交叉相關(guān)算法424CLEAN算法405差分CLEAN算法369

4 多科學(xué)窗口的差分CLEAN

INTEGRAL在實(shí)際觀測(cè)中，為了減輕本底對(duì)方向的依賴性，采用一種抖動(dòng)觀測(cè)的策略[18-19]：在一個(gè)方向觀測(cè)一段時(shí)間后，就換一個(gè)方向重新觀測(cè)。每次持續(xù)約30 min時(shí)間，這段時(shí)間的觀測(cè)數(shù)據(jù)被集中到一起，稱之為一個(gè)科學(xué)窗口(Science Window, SCW)。由于每個(gè)科學(xué)窗口的指向不一樣，INTEGRAL現(xiàn)有軟件的處理過(guò)程是首先對(duì)每一個(gè)科學(xué)窗口數(shù)據(jù)進(jìn)行成像操作，然后把所有科學(xué)窗口圖像疊加起來(lái)，以期探測(cè)到一些弱源。這樣做存在一個(gè)明顯的缺陷[20]：在每一個(gè)科學(xué)窗口圖像中，由于背景噪聲的存在，強(qiáng)源的旁瓣事實(shí)上不可能被完全扣除，弱源則完全淹沒(méi)在噪聲中，根本無(wú)法進(jìn)行CLEAN操作。所以，目前數(shù)據(jù)分析軟件在探測(cè)弱源方面的能力比較弱，即使在圖像中發(fā)現(xiàn)了弱的結(jié)構(gòu)，也很難確定它們的真實(shí)性。

圖10 兩組科學(xué)窗口的數(shù)據(jù)在天球坐標(biāo)下的圖像，觀測(cè)起始時(shí)間分別為2004-09-04T20∶15∶52至20∶18∶03，2004-09-05T1∶34∶34至1∶37∶02，其余與單科學(xué)窗口差分CLEAN所用數(shù)據(jù)相同

Fig.10 The two SCW images (in overlapping) in the RA-DEC coordinates used for image reconstruction. The first observation lased from 2004-09-04T20∶15∶52 to 20∶18∶03, and the other lasted from 2004-09-05T1∶34∶34 to 1∶37∶02

為了克服這一缺陷，差分CLEAN算法首先將多科學(xué)窗口數(shù)據(jù)對(duì)應(yīng)的交叉相關(guān)圖進(jìn)行疊加；然后在疊加后的臟圖(或殘余圖)上進(jìn)行CLEAN處理，獲得一個(gè)統(tǒng)一的模型圖像。之后，用統(tǒng)一的模型圖計(jì)算各個(gè)科學(xué)窗口數(shù)據(jù)對(duì)應(yīng)的模型陰影圖，并求解其殘余陰影圖；最后，用多科學(xué)窗口數(shù)據(jù)的殘余陰影圖獲得一個(gè)新的疊加后的殘余圖。如此反復(fù)，直到殘余圖中不存在明顯的信號(hào)結(jié)構(gòu)。這樣做可以對(duì)每個(gè)科學(xué)窗口數(shù)據(jù)進(jìn)行徹底的CLEAN，從而提高圖像重建的質(zhì)量。

由于圖像的疊加必須在球面坐標(biāo)下進(jìn)行，為此首先需要得到單個(gè)科學(xué)窗口數(shù)據(jù)的臟圖(或殘余圖)所對(duì)應(yīng)的天球坐標(biāo)。在統(tǒng)一的天球坐標(biāo)系下將多個(gè)科學(xué)窗口的臟圖結(jié)果拼接到一起(如圖10)。接下來(lái)以拼接后的陰影圖作為新的輸入數(shù)據(jù)，可以使用差分CLEAN進(jìn)行進(jìn)一步的圖像重建工作。

INTEGRAL多科學(xué)窗口數(shù)據(jù)差分CLEAN處理程序的開(kāi)發(fā)工作量比較大，目前正在進(jìn)行之中。等整個(gè)軟件包開(kāi)發(fā)、測(cè)試完成后，再公布程序及相關(guān)的研究結(jié)果。

5 總 結(jié)

把用于射電天文中改善合成孔徑成像質(zhì)量的差分CLEAN算法移植到編碼板成像中, 使用差分CLEAN算法對(duì)IBIS編碼板望遠(yuǎn)鏡采集的數(shù)據(jù)進(jìn)行圖像重建。用交叉相關(guān)算法、傳統(tǒng)CLEAN 算法及差分CLEAN算法進(jìn)行的對(duì)比實(shí)驗(yàn)表明，差分CLEAN算法能有效消除鬼像，降低背景噪聲，并規(guī)避對(duì)缺失數(shù)據(jù)的插值等處理引入新誤差的問(wèn)題。此外新算法還可以直接聯(lián)合多個(gè)陰影圖數(shù)據(jù)進(jìn)行成像處理，大大增強(qiáng)成像靈敏度。這一方法能夠更好地處理弱源的觀測(cè)數(shù)據(jù)，以期獲得更多的科學(xué)產(chǎn)出。

[1] E Caroli, J B Stephen, G Di Cocco, et al. Coded aperture imaging in X- and gamma-ray astronomy[J]. Space Science Reviews, 1987, 45: 349-403.

[2] Golay M J. Point arrays having compact, nonredundant autocorrelations[J]. Journal of the Optical Society of America, 1971, 61(2): 272-273.

[3] E E Fenimore, T M Cannon. Coded aperture imaging with uniformly redundant arrays[J]. Applied Optics, 1978, 17(3): 337-347.

[4] S R Gottesman, E J Schneid. PNP—A new class of coded aperture arrays[J]. IEEE Transsctions on Nuclear Science, 1986, 33(1): 745-749.

[5] A R Gourlay, J B Stephen. Geometric coded aperture masks[J]. Applied Optics, 1983, 22(24): 4042-4047.

[6] G K Skinner. Coded-mask imaging in gamma-ray astronomy[EB/OL]. [2011-11-20]. http://arxiv.org/abs/astro-ph/0302354.

[7] R J Proctor, G K Skinner, A P Willmore. The design of optimum coded mask X-ray telescopes[J]. Monthly Notices of the Royal Astronomical Society, 1979, 187: 633-643.

[8] J A H?gbom. Aperture synthesis with a non-regular distribution of interferometer baselines[J]. Astronomy and Astrophysics, 1974, 15(2): 417-426.

[9] U J Schwarz. Mathematical-statistical description of the iterative beam removing t on. Ast. Ast A-RAY ASTRONOMY TALUCCI,echnique (method CLEAN) [J]. Astronomy and Astrophysics, 1978, 65(2): 345-356.

[10]G A Wagenknecht. A contour tracing and coding algorithm for generating 2D contour codes from 3D classified objects[J]. Pattern Recognition, 2007, 40(4): 1294-1306.

[11]G M Hunter. Operations on images using quad trees[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1979, 1(2): 145-153.

[12]I Gargantini. An effective way to represent quadtrees[J]. Communications of the ACM, 1982, 25(12): 905-910.

[13]U J Schwarz. Mathematical-statistical description of the iterative beam removing technique (Method CLEAN) [J]. Astronomy and Astrophysics, 1978, 65(2): 345-356.

[14]G K Skinner, T J Ponman. On the properties of images from coded-mask telescopes[J]. Monthly Notices of the Royal Astronomical Society, 1994, 267: 518-522.

[15]R C Puetter, T R Gosnell, Amos Yahil. Digital image reconstruction: deblurring and denoising[J]. Annual Review of Astronomy and Astrophysics, 2005, 43(1): 139-194.

[16]A Goldwurm, P David, L Foschini, et al. The INTEGRAL/IBIS scientific data analysis[J]. Astronomy and Astrophysics, 2008, 58(1): 1-8.

[17]INTEGRAL Science Data Centre. Introduction to the INTEGRAL Data Analysis[EB/OL]. [2011-11-20]. http://www.isdc.unige.ch/integral/analysis.

[18]E W Greisen, M R Calabretta. Representations of world coordinates in FITS[J]. Astronomy and Astrophysics, 2002, 395(3): 1061-1076.

[19]M R Calabretta, E W Greisen. Representations of celestial coordinates in FITS[J] . Astronomy and Astrophysics, 2002, 395(3): 1077-1122.

[20]崔辰州, 李文, 于策, 等. FITS數(shù)據(jù)文件的檢索和訪問(wèn)[J]. 天文研究與技術(shù)——國(guó)家天文臺(tái)臺(tái)刊, 2008, 5(2): 116-123.

Cui Chenzhou, Li Wen, Yu Ce, et al. Search and location of FITS data files[J]. Astronomical Research & Technology——Publications of National Astronomical Observatories of China, 2008, 5(2): 116-123.