Denoising the Deep Sky: Physics-Based CCD Noise Formation for Astronomical Imaging

1. Problema

La imagen astronómica moderna sigue estando limitada por el ruido bajo condiciones de observación prácticas. Aunque las tuberías de calibración estándar eliminan artefactos estructurados (como el viñeteo o patrones de lectura), dejan sin resolver el ruido estocástico (aleatorio).

Existen dos desafíos principales para aplicar métodos de aprendizaje profundo (deep learning) en este campo:

• Escasez de datos emparejados: A diferencia de la fotografía comercial, es prácticamente imposible obtener una imagen "limpia" (sin ruido) de referencia para objetos astronómicos débiles simplemente extendiendo el tiempo de exposición, debido a efectos atmosféricos, variabilidad de la fuente y la rotación de la Tierra.
• Diferencias de sensor: Los sensores científicos (CCD) utilizados en astronomía tienen arquitecturas y características de ruido fundamentalmente diferentes a los sensores CMOS de consumo. Los CCDs presentan firmas de ruido únicas, como variaciones de ganancia estructuradas por amplificadores, ineficiencia en la transferencia de carga, ruido de oscilación (striping) y efectos de interferencia (etaloning), que los modelos existentes para cámaras comerciales no capturan adecuadamente.

2. Metodología

Los autores proponen un marco de síntesis de ruido basado en física diseñado específicamente para la formación de ruido en sensores CCD astronómicos. El enfoque se divide en los siguientes pasos:

A. Obtención de Bases de Alta Relación Señal-Ruido (SNR)

Dado que no se pueden obtener imágenes limpias reales, el equipo apila múltiples exposiciones no registradas de un mismo objetivo. Aunque esto ensancha ligeramente la función de dispersión de puntos (PSF) debido a deriva residual, suprime significativamente el ruido estocástico sin introducir artefactos de interpolación. Estas imágenes apiladas sirven como "bases limpias" de alto SNR.

B. Modelo de Formación de Ruido Físico

Se desarrolla un modelo matemático que simula los procesos físicos reales de un CCD para generar pares de datos (imagen limpia + imagen ruidosa sintética). El modelo (Ecuación 1) desglosa el ruido en:

1. Ruido Dependiente de la Señal:
   • Ruido de disparo de fotones (Photon-shot noise): Modelado como una variable de Poisson basada en el flujo de fotones y la eficiencia cuántica.
   • No Uniformidad de la Respuesta Fotónica (PRNU): Se modelan tanto los patrones fijos intrínsecos del sensor (ganancia por píxel) como los artefactos ópticos (como "donuts" de polvo), utilizando marcos de cielo (skyflats) para extraer estos patrones.
   • Ruido de Corriente Oscura (Dark-current): Se modela como una tasa constante por píxel dependiente de la temperatura, con variaciones residuales gaussianas.
2. Ruido Independiente de la Señal:
   • Ruido de Lectura (Read Noise): Incluye un patrón fijo (bias), ruido de banda por filas (column-wise banding) y fluctuaciones a nivel de píxel. Se utilizan mezclas gaussianas (GMM) para modelar las variaciones estocásticas.
   • Píxeles Calientes y Rayos Cósmicos: Se modelan como ruido de tipo "sal y pimienta" (impulsivo), donde los rayos cósmicos son eventos transitorios y los píxeles calientes son defectos fijos.

C. Entrenamiento Supervisado

Utilizando las bases limpias apiladas y el modelo de ruido físico, se sintetizan miles de pares de datos (imagen limpia + imagen ruidosa sintética). Estos datos se utilizan para entrenar una red neuronal U-Net estándar para la tarea de eliminación de ruido (denoising).

3. Contribuciones Clave

1. Modelo de Ruido Físico Específico para CCD: Se propone una formulación matemática que captura las características únicas de los sensores científicos (CCD), diferenciándose de los modelos genéricos para cámaras CMOS de consumo.
2. Generación de Datos Emparejados Realistas: Se resuelve el problema de la escasez de datos mediante la síntesis de pares de entrenamiento a partir de bases apiladas y un modelo de ruido calibrado, permitiendo el aprendizaje supervisado en astronomía.
3. Nuevo Conjunto de Datos (MuSCAT): Se construye un conjunto de datos de imagen astronómica multibanda real, capturado con dos telescopios gemelos (MuSCAT-3 y MuSCAT-4), que incluye tanto datos crudos como procesados para la evaluación cuantitativa.
4. Validación Científica: Se demuestra que el método no solo mejora la calidad visual, sino que preserva la fidelidad fotométrica y la precisión científica, métricas críticas para la astronomía.

4. Resultados

El método fue evaluado en el conjunto de datos MuSCAT (bandas G1, R1, I1) comparándose con métodos tradicionales (BM3D, Drizzle) y enfoques de aprendizaje profundo (Noise2Noise, ELD, NMOH, etc.).

• Precisión Fotométrica (Synthetic): En datos sintéticos, el método propuesto superó consistentemente a todos los baselines, logrando el mejor PSNR.
• Precisión Científica (Real): En observaciones reales, utilizando una métrica de FLUX-SNR (relación señal-ruido del flujo de estrellas inyectadas), el método propuesto obtuvo los mejores resultados (ej. ~41.21 dB en MuSCAT-3 vs ~39.66 dB del siguiente mejor).
• Suavidad del Fondo: El método logró una reducción de ruido en el fondo (medida por NMAD y STD) comparable a los métodos tradicionales, pero sin el efecto de "sobre-suavizado" que destruye la estructura fina de las estrellas (PSF), un problema común en otros métodos de denoising.
• Generalización (Zero-Shot): El modelo entrenado con datos de MuSCAT-3 funcionó eficazmente en datos de MuSCAT-4 (un instrumento diferente) sin reentrenamiento, demostrando una fuerte capacidad de generalización.
• Estudios de Ablación: Se demostró que cada componente del modelo de ruido (PRNU, ruido de lectura, rayos cósmicos, etc.) es esencial; eliminar cualquiera de ellos degradaba significativamente la recuperación del flujo de las estrellas.

5. Significado

Este trabajo es significativo porque cierra la brecha entre el procesamiento de imágenes computacional y las necesidades científicas estrictas de la astronomía.

• Interpretabilidad: Al basarse en la física de la formación de ruido, el modelo es interpretable y confiable para flujos de trabajo científicos, a diferencia de las "cajas negras" puramente basadas en datos.
• Viabilidad: Proporciona una solución práctica al problema de la falta de datos de entrenamiento en ciencia, permitiendo el uso de técnicas avanzadas de deep learning en observatorios reales.
• Impacto Científico: Al preservar la precisión fotométrica y la estructura del PSF, permite a los astrónomos detectar objetos más débiles y medir sus propiedades con mayor precisión, mejorando directamente la calidad de la investigación astronómica.

El código y los datos están disponibles públicamente, fomentando la reproducibilidad y la adopción en la comunidad astronómica.