Bayesian imaging with ground-based telescopes

Roth, Jakob (2024): Bayesian imaging with ground-based telescopes. Dissertation, LMU München: Fakultät für Physik

Abstract

Astronomical observations have an immense impact not only on astrophysics and cosmology but also on physics in general. Over the past decades and centuries, increasingly sensitive telescopes have been developed to study the universe in ever greater detail. Nowadays, astronomy is closely connected with statistics and data science to analyze observational data and to exploit the full potential of modern telescopes. This thesis contributes algorithms to improve the reconstruction of astronomical images from raw observational data. Modern astronomy observes radiation originating from the universe across the entire electromagnetic spectrum. However, observations of optical light and radio waves continue to play a unique role, as these are the only frequencies at which the atmosphere of the Earth is transparent, such that ground-based observations are possible. The algorithms presented in this thesis have been developed for ground-based optical and radio telescopes to reduce the influence of atmospheric fluctuations on the images and to improve the processing of large radio interferometer data sets. Without precise correction techniques, atmospheric fluctuations lead to a blurring of telescope images, reducing the resolution and dynamic range. The first part of the thesis deals with the reconstruction of images in the presence of atmospheric perturbations. In particular, the thesis contributes two algorithms for optical and radio telescopes that reconstruct estimates of the perturbations together with the unperturbed image from the raw telescope data. The algorithms significantly increase the resolution and dynamic range of the recovered images. Modern radio interferometers constructed in recent years produce significantly larger measurement datasets than previous generation telescopes, and the amount of data will continue to increase with future instruments. This increase in data size imposes challenges for image reconstruction algorithms, especially when aiming at high precision. The second part of the thesis addresses these challenges and introduces the fast-resolve algorithm, which uses concepts of the computationally cheaper but less accurate CLEAN algorithm to significantly speed up the high-precision reconstruction of radio interferometric datasets. The algorithms introduced in this thesis are based on Bayesian inference, enabling an uncertainty quantification of the recovered results. Besides the high accuracy of the presented algorithms, this is an additional advantage, as many commonly used imaging methods cannot provide reliable uncertainty estimates.

Abstract

Astronomische Beobachtungen sind nicht nur für die Astrophysik und Kosmologie von großer Bedeutung, sondern auch für die Physik im Allgemeinen. In den letzten Jahrzehnten und Jahrhunderten wurden immer empfindlichere Teleskope entwickelt, um das Universum immer genauer zu erforschen. Heutzutage ist die Astronomie eng mit der Statistik und den Datenwissenschaften verbunden, um Beobachtungsdaten zu analysieren und das volle Potenzial moderner Teleskope auszuschöpfen. In dieser Arbeit werden Algorithmen zur Verbesserung der Rekonstruktion astronomischer Bilder aus den Rohdaten der Beobachtungen vorgestellt. Die moderne Astronomie misst die Strahlung aus dem Universum im gesamten elektromagnetischen Spektrum. Die Beobachtung von optischem Licht und Radiowellen spielt jedoch nach wie vor eine einzigartige Rolle, da nur in diesen Frequenzen die Erdatmosphäre transparent ist und somit Beobachtungen vom Erdboden aus möglich sind. Die in dieser Arbeit vorgestellten Algorithmen wurden für bodengebundene optische Teleskope und Radioteleskope entwickelt, um den Einfluss atmosphärischer Fluktuationen auf die Bilder zu reduzieren und die Verarbeitung großer Radiointerferometer-Datensätze zu verbessern. Ohne genaue Korrektur führen atmosphärische Fluktuationen zu unscharfen Teleskopbildern mit reduziertem Kontrast. Der erste Teil der Arbeit befasst sich mit der Rekonstruktion von Bildern in Gegenwart atmosphärischer Störungen. Insbesondere werden zwei Algorithmen für optische und Radioteleskope entwickelt, die aus den Rohdaten der Teleskope Schätzungen der Störungen zusammen mit dem ungestörten Bild rekonstruieren. Die Algorithmen erhöhen die Auflösung und den Kontrast der rekonstruierten Bilder erheblich. Moderne Radiointerferometer, die in den letzten Jahren gebaut wurden, erzeugen wesentlich größere Messdatensätze als Teleskope früherer Generationen, und die Datenmengen werden bei zukünftigen Instrumenten weiter ansteigen. Diese Zunahme der Datenmenge stellt eine Herausforderung für die Algorithmen zur Bildrekonstruktion dar, insbesondere wenn eine hohe Genauigkeit angestrebt wird. Der zweite Teil der Arbeit befasst sich mit diesen Herausforderungen und stellt den fast-resolve Algorithmus vor, der Konzepte des rechnerisch günstigeren, aber weniger genauen CLEAN Algorithmus nutzt und dadurch die hochgenaue Rekonstruktion radiointerferometrischer Datensätze erheblich beschleunigt. Die in dieser Arbeit vorgestellten Algorithmen basieren auf der Bayes'schen Inferenz, die eine Quantifizierung der Unsicherheit der Ergebnisse ermöglicht. Neben der hohen Genauigkeit ist dies ein zusätzlicher Vorteil, da viele andere häufig verwendete bildgebende Verfahren keine zuverlässigen Unsicherheitsabschätzungen erlauben.

• Dokumententyp: Dissertationen (Dissertation, LMU München)
• Themengebiete: 500 Naturwissenschaften und Mathematik ; 500 Naturwissenschaften und Mathematik > 530 Physik
• Fakultäten: Fakultät für Physik
• Sprache der Hochschulschrift: Englisch
• Datum der mündlichen Prüfung: 5. Dezember 2024
• 1. Bericht­erstatter:in: Enßlin, Torsten