Bayesian Smoothing of Photon-Limited Images with Applications in Astronomy
光子稀少图像的贝叶斯平滑及其天文学应用AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要讨论天文图像的贝叶斯平滑，未提供所列计量经济学细分方向的直接依据。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
光子稀少图像的贝叶斯平滑及其天文学应用
- 研究问题
- 在光子数量有限的图像中，如何构建能够捕捉邻近像素结构的贝叶斯强度模型，并自动选择合适的平滑程度？
- 方法与思路
- 作者采用多尺度强度模型，提出基于中餐馆过程的新先验，使部分相邻像素具有相同强度，并用模拟和天文图像检验。
- 材料陈述的贡献
- 摘要称新方法在图像处理质量、速度和自动平滑参数选择方面优于多数现有方法，并展示 Chandra 天文图像应用。
- 阅读关注点
- 应核对先验如何表达邻接结构、多尺度计算与平滑参数选择的实现，以及比较方法、图像质量指标和运行时间条件。
- 阅读边界
- 仅据 Crossref 摘要；性能优势属于作者陈述，摘要未给出比较对象、数值和计算环境，不能认定该方法对所有图像都更优。
原文摘要
Summary We consider a multiscale model for intensities in photon-limited images using a Bayesian framework. A typical Dirichlet prior on relative intensities is not efficient in picking up structures owing to the continuity of intensities. We propose a novel prior using the so-called ‘Chinese restaurant process’ to create structures in the form of equal intensities of some neighbouring pixels. Simulations are conducted using several photon-limited images, which are common in X-ray astronomy and other high energy photon-based images. Applications to astronomical images from the Chandra X-ray Observatory satellite are shown. The new methodology outperforms most existing methods in terms of image processing quality, speed and the ability to select smoothing parameters automatically.