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
https://blog.sciencenet.cn/blog-117333-544731.html
上一篇:
关于科研中的主观能动性(二)画图下一篇:
关于水的局域循环的几点思考——与檀成龙老师讨论