即使是世界上最好的地面望远镜获得的图像，由于大气中不断变化的空气袋，也会变得模糊。虽然这种模糊看起来无害，但它掩盖了天文图像中物体的形状，有时会导致错误的物理测量，这对理解我们宇宙的性质至关重要。

现在，西北大学和清华大学的研究人员公布了解决这一问题的新策略。该团队采用了一种用于锐化照片的著名计算机视觉算法，并首次将其应用于地面望远镜的天文图像。研究人员还在模拟的数据上训练了人工智能（AI）算法，以匹配维拉·C·鲁宾天文台的成像参数，因此，当天文台明年开放时，该工具将立即兼容。

虽然天体物理学家已经使用技术来消除模糊，但经过调整的人工智能驱动算法比当前技术工作更快，生成更逼真的图像。生成的图像没有模糊，更真实。它们也很漂亮——尽管这不是这项技术的目的。

西北大学的Emma Alexander是该研究的资深作者，她说：“摄影的目标通常是获得一张漂亮、好看的照片。但天文图像是用于科学的。通过以正确的方式清理图像，我们可以获得更准确的数据。该算法通过计算去除大气层，使物理学家能够获得更好的科学测量结果。最终，图像看起来也会更好。”

这项研究将于3月30日发表在《皇家天文学会月报》上。

Alexander是西北大学麦考密克工程学院的计算机科学助理教授，她在那里经营着生物启发视觉实验室。她与清华大学电气工程本科生、Alexander实验室的研究实习生Tiaoo Li共同领导了这项新研究。

当光从遥远的恒星、行星和星系发出时，它会在到达我们的眼睛之前穿过地球大气层。我们的大气层不仅阻挡了某些波长的光，还扭曲了到达地球的光。即使是晴朗的夜空，也会有移动的空气影响通过它的光线。这就是为什么恒星会闪烁，也是为什么最好的地面望远镜位于大气层最薄的高海拔地区。

亚历山大说：“这有点像从游泳池底部向上看。水推动光线并使其扭曲。当然，大气层的密度要低得多，但这是一个类似的概念。”

当天体物理学家分析图像以提取宇宙学数据时，模糊就成了一个问题。通过研究星系的表观形状，科学家可以探测到大规模宇宙学结构的引力效应，这些结构使光在到达我们星球的途中弯曲。这可能会导致椭圆星系看起来比实际情况更圆或更拉伸。但大气模糊会以扭曲星系形状的方式弄脏图像。消除模糊使科学家能够收集准确的形状数据。

亚历山大说：“形状上的微小差异可以告诉我们宇宙中的引力。这些差异已经很难检测到了。如果你从地基望远镜上看图像，形状可能会扭曲。很难知道这是因为引力效应还是大气。”

为了应对这一挑战，Alexander和Li将优化算法与在天文图像上训练的深度学习网络相结合。在训练图像中，该团队包括了与鲁宾天文台预期成像参数相匹配的模拟数据。与去除模糊的经典方法相比，由此产生的工具产生的图像的误差减少了38.6%，与现代方法相比，误差减少了7.4%。

当鲁宾天文台明年正式开放时，它的望远镜将开始对夜空的大部分进行为期十年的深度观测。由于研究人员对新工具进行了专门设计用于模拟鲁宾即将拍摄的图像的数据训练，因此它将能够帮助分析调查中备受期待的数据。

对于有兴趣使用该工具的天文学家来说，可以在线获得开源、用户友好的代码和附带的教程。

亚历山大说：“现在我们放弃了这个工具，把它交到天文专家手中。我们认为这可能是一种宝贵的资源，用于天空调查，以获得尽可能真实的数据。”

这项名为“使用展开的即插即用ADMM对弱引力透镜进行星系图像去卷积”的研究使用了西北大学计算摄影实验室的计算资源。