銀河の運動学を研究するためのMCMCを使用したハイパースペクトルデータの非線形デコンボリューション

ハイパースペクトルイメージングは​​、主にリモートセンシングアプリケーションのために、10年以上にわたって画像処理と分析における積極的な研究の分野です。天文学ベースのハイパースペクトルイメージャーは、観察されたオブジェクトの性質において以前のものとは異なるコミュニティに新たな課題を提供しますが、データの品質も低く、信号対雑音比が低く、解像度が低いです。大気の乱流のため。この論文では、銀河の運動学の研究を改善するために、ハイパースペクトルの天文データに特有のデコンボリューションの問題に焦点を当てています。目的は、観測された銀河の空間ピクセルごとに、視線に沿って統合されたフラックス、相対速度、および速度分散を推定することです。ドップラー効果のおかげで、これは、ハイパースペクトルデータのすべての空間ピクセルに対して、スペクトル範囲のスペクトル範囲で、スペクトル放射線の振幅、中心、および幅を推定するのと同等です。スペクトルラインのパラメトリックモデルを検討し、モンテカルロマルコフチェーンアルゴリズムを使用して、ベイジアンフレームワークで後方平均推定器を計算することを提案します。この非線形デコンボリューション問題については、フラックスパラメーターに関するモデルの直線性を活用して、さまざまな推定スキームが提案されています。データの空間的ぼやけ（デコンボリューション）かどうかを考慮した方法を区別します（推定）。メソッドのパフォーマンスは、2つのシミュレートされたデータセットで、古典的なものと比較されます。提案されたデコンボリューション法により、推定される運動学的パラメーターの解像度が大幅に改善されることが示されています。

Hyperspectral imaging has been an area of active research in image processing and analysis for more than 10 years, mainly for remote sensing applications. Astronomical ground-based hyperspectral imagers offer new challenges to the community, which differ from the previous ones in the nature of the observed objects, but also in the quality of the data, with a low signal-to-noise ratio and a low resolution, due to the atmospheric turbulence. In this paper, we focus on a deconvolution problem specific to hyperspectral astronomical data, to improve the study of the kinematics of galaxies. The aim is to estimate the flux, the relative velocity, and the velocity dispersion, integrated along the line-of-sight, for each spatial pixel of an observed galaxy. Thanks to the Doppler effect, this is equivalent to estimate the amplitude, center, and width of spectral emission lines, in a small spectral range, for every spatial pixel of the hyperspectral data. We consider a parametric model for the spectral lines and propose to compute the posterior mean estimators, in a Bayesian framework, using Monte Carlo Markov chain algorithms. Various estimation schemes are proposed for this nonlinear deconvolution problem, taking advantage of the linearity of the model with respect to the flux parameters. We differentiate between methods taking into account the spatial blurring of the data (deconvolution) or not (estimation). The performances of the methods are compared with classical ones, on two simulated data sets. It is shown that the proposed deconvolution method significantly improves the resolution of the estimated kinematic parameters.