天文研究中很多时候都要进行图像识别。比较不同时间的照片，可以找到超新星等暂现源，还能发现天体的自行，发现彗星等太阳系内的天体。这样的工作靠人来完成是比较困难的，尤其是在照片上满是天体的情况下。最简单的办法是将不同时间的照片（就是亮度分布的二维数组）相减，不为零的地方就是所需要的目标天体了。这种方法可以用电脑自动进行，并且取得了很大成功。
 
    不过，有些情况下，要识别的图像就不是那么容易自动化的。这主要是因为有时候研究者要寻找的图像中的模式很难标准化，而且带有一定的经验性。最好的例子可能就是脉冲星搜寻，脉冲星搜寻主要是寻找脉冲到达时间-频率图或时间-相位图中的带状结构。一般来说，脉冲星信号在时间-相位图上都表现为一条竖线（图1）。这样的特征当然是可以用程序找到的，不过在实际的脉冲星搜索中，由于计算量的原因，通过分析图像寻找脉冲星并不是主流。这种人看一眼可以确定的图像特征电脑却要费不少时间，尤其是在信噪比不太高的情况下。此外，研究者总是希望寻找特殊的脉冲星，比如双星系统中的脉冲星，这些脉冲星的时间-相位图中的条带就和普通脉冲星不一样（图2），这种情况下，人可以很快判断，而用电脑判断就更困难一些了。所以有一些射电天文台尝试了一种新的模式，招募高中生来实习，任务就是看图找脉冲星，据说效果不错。或许这种方法有争议，不过我持赞成态度，研究本来就是人做的，如果人做起来比电脑更适合，而且找到脉冲星可以让高中生很高兴，那么这样不是挺好么？

    图像识别自动化当然是科研的一种进步，但是自动化只是用电脑实现研究者的想法，如果在某些特殊情况下不易实现，或代价太大，抑或研究者的想法时常在变，那么这时研究者就应该发挥主观能动性，自己承担起图像识别的任务。

 

图1

图2