Key points are not available for this paper at this time.
Zusammenfassung Metakalibrierung ist eine neu eingeführte Methode zur genauen Messung der schwachen gravitativen Linseverzerrung, die nur die verfügbaren Bilddaten nutzt, ohne vorherige Informationen über die Eigenschaften von Galaxien oder Kalibrierung aus Simulationen zu benötigen. Die Methode beinhaltet das Verzerren des Bildes mit einer kleinen bekannten Verzerrung und das Berechnen der Reaktion eines Verzerrungsschätzers auf diese angewandte Verzerrung. Die Methode erwies sich als genau in mittelgroßen Simulationen mit Galaxienbildern, die relativ hohe Signal-Rausch-Verhältnisse aufwiesen, und ohne signifikante Selektionsartefakte. In dieser Arbeit führen wir einen Formalismus ein, um sowohl die Verzerrungsreaktion als auch Selektionsverzerrungen zu korrigieren. Wir beobachten auch, dass für Bilder mit relativ niedrigen Signal-Rausch-Verhältnissen das korrelierte Rauschen, das während des Metakalibrierungsprozesses entsteht, zu signifikanten Verzerrungen führt, für die wir eine einfache empirische Korrektur entwickeln. Um diesen Formalismus zu testen, haben wir große Bildsimulationen basierend auf parametrischen Modellen und realen Galaxienbildern erstellt, einschließlich Tests mit realistischen Punktspreizfunktionen. Wir variierten die Elliptizität der Punktspreizfunktion auf dem fünf-Prozent-Niveau. In jeder Simulation haben wir eine kleine Verzerrung von wenigen Prozent auf die Galaxienbilder angewendet. Wir führten zusätzliche Herausforderungen ein, die in realen Daten auftreten, wie z. B. Erkennungsschwellen, stellare Kontamination und fehlende Daten. Wir haben Schnitte bei den gemessenen Galaxie-Eigenschaften angewendet, um signifikante Selektionsartefakte zu induzieren. Mit unserem Formalismus haben wir die Eingabeverzerrung in allen Fällen mit einer Genauigkeit besser als ein Teil in tausend wiederhergestellt.
Sheldon et al. (Fri,) haben diese Frage untersucht.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: