M31 mit experimentellem post processing

Status
Es sind keine weiteren Antworten möglich.
Benjamin Olry

Benjamin Olry

Mitglied
Hallo,

dies ist mein erster post auf Astrnomie.de und daher will ich mich ganz kurz vorstellen. Mein Name ist Benjamin Olry, ich wohne in Bonn, bin verheiratet und zweifacher Papa. Ich arbeite als Sofware-Entwickler in einer kleinen Firma, die eng mit der deutschen Telekom zusammenarbeitet. Zur Astrofotografie kam ich über die herkömliche Fotografie und einem generellen Interesse an Naturwissenschaften. Seit 3 Jahren lichte ich nun am liebsten den Himmel ab.

Bisher bin ich auf:

Reddit - Dive into anything

www.reddit.com www.reddit.com
www.instagram.com

Instagram

Erstelle ein Konto oder melde dich bei Instagram an – Teile deine Ideen mit Menschen, die so ticken wie du.
www.instagram.com www.instagram.com

und im Köln Bonner Astrotreff aktiv.

Nun zur eigentlichen Aufnahme:

Gear
  • Imaging camera : Sony A7rII stock
  • OTA : Canon 300/2.8 L USM + 2 x TC III
  • Mount : Skywatcher - Star Adventurer
  • guided with Lacerta MGen II and Orion Mini Guide Scope
Acquisition
  • 84 x 120 sec lights, 30 flats, 25 darks
  • 4th of October - Hönningen - Germany - pretty dark skies - Seeing was good and got a little worse over the night
Processing
  • converted DNG raws to tiff files with dcraw in order to keep everything linear
  • Stacked in AstroPixelProcessor
  • Light Pollution (and sensor glow) removed in AstroPixelProcessor
  • fitswork universal nn filter with reference image -> image with proper starshapes and colors (see below)
  • luminance sharpening with richardson-lucy decon in Gimp on the original image for sharper galaxy non star parts
  • masked layering of sharpened galaxy parts and result of the neural network filter in Photoshop
  • crop and final cosmetic touches in Lightroom

106668


Auch zu finden unter : M31Nov2018NNF.jpg

Noch ein paar Worte zu dem eher ungewöhnlcihen Teil des neuronalen Netzwerkfilters in fitswork. Meine Optik (Canon 300/2.8 L USM mit 2 x TC III ) hat, wie jede Optik, gewisse Defekte und diese kaschiere ich in meinen fertigen Bildern normalerweise mit allerhand Tricks. Diese sind zu Vorderst:
  • Chromatische Aberrationen in Form von blauen und gelben Farbsäumen an den Sternrändern
  • Tangentialer sowie sagitaler Astigmatismus
  • Beide Defekte orientieren sich nur bedingt an der optischen Achse, daher vermute ich auch ein oder mehrere dezentierte Linsenelemente oder ein Absacken im optischen Gesamtzug
Der Blausaum ist bei den großen Sternen so stark, dass eigentlich gelb/orange Sterne mehr wie heiße, blaue Sterne aussehen. Bisher habe ich meistens versucht beim anpassen der Sterngrößen den Blaukanal etwas großzügiger zu mindern, aber das ist schwer in einen deterministischen workflow zu packen, welcher reproduzierbar gute Ergebnisse liefert.

Daher habe ich versucht meinen stack mittels eines Referenzbildes mit einem universellen nn-filter in fitswork etwas zu verbessern. Zuerst habe ich das ganze erstmal für die Luminanz gemacht und das hat schon halbwegs gut geklappt. Die Sternformen wurden regelmäßiger, aber das neuronale Netz hat auch das Histogramm des Ursprungsbildes stark an das Referenzbild angepasst. Ich habe mir bei Astrobin daher ein zu meinen Daten passenderes Exempel von M31 herausgesucht und das neuronale Netwerk erneut, nun auch mit allen 3 Farbkanälen trainiert.

Nach dem training war der Filter in der Lage aus meinem Ursprungsbild:

106672


Dieses Filterresultat zu erzeugen:
106674


Den gleichen Filter habe ich dann auf das gesamte Bild angewendet und, wie oben im post processing beschrieben, weiterverarbeitet.

Beste Grüße aus Bonn und CS

Benny
 
Hallo Benny,

zunächst mal herzlich Willkommen hier im Forum, und Glückwunsch zum wirklich schönen M31 Bild.
Was mich aber sofort neugierig macht ist deine Methode der Bildbearbeitung. Erst letzte Woche habe ich im Zusammenhang mit Deconvolution Filtern zum ersten mal von Convolutional Neuralen netzwerken gehört und mir ein paar Videos dazu angeschaut. Mein erster Impuls war: Das wird die Astrofotografie verändern. Nun kommst du und zeigst uns ein erstes Beispiel dafür. das finde ich sehr spannend.
Du schreibst von Fitswork? Meinst du damit die Astrosoftware Fitswork? Die ist m.E. schon recht veraltet und ich verstehe da den Zusammenhang zwischen dieser und dem NN Filter. Aber du bist ja Programmierer, also vielleicht hast du da selbst gecodet?
Leider wird das ganze Thema für diejenigen die nicht selber Code schreiben können (wie mich z.Bsp) zunächst mal außen vor bleiben. Leute wie du können da ganz anders heran gehen.
Ich bin gespannt.

P.S. eine kleine Software wurde neulich schonmal auf Astrobin vogestellt. Da ging es um das entfernen von Sternen, und das funktioniert ganz wunderbar. Blöd nur, dass der Autor nicht verrät wie er trainiert.

CS Frank
 
Hallo Benny,

Du zeigst uns da spannende Sachen ...

Ich bin mal gespannt, was wir da noch alles erfahren. Selbstlernende Systeme sind eine hochspannende Sache, nur war mir bis dato noch nicht geläufig, dass auch für uns Astrofotografen da etwas drin ist, war aber eigentlich logisch.

CS
Jörg
 
Hallo,

ja das sind interessante Möglichkeiten. Ich bin bei diesen neuronalen Filtern aber auch skeptisch, da ich nicht verstehe, wie die funktionieren. Irgendwo ist das eine Transformation. Und ein passend trainiertes neuronales Netz macht aus einem beliebigen Pferd die Mona Lisa. Was ist dann im Endresultat dem neuronalen Netz und was dem Ursprungsbild geschuldet?

Gruß

*entfernt*
 
Vielen Dank für die nette Aufnahme an alle.

@frasax Ich fange auch gerade erst an mich mit dem Thema mehr zu befassen und habe auch nur ein rudimentäres Verständnis was da wirklich passiert. Es ist in der Tat die seit 2013 nicht mehr weiterentwickelte Astro-Software fitswork. Ich finde aber immer wieder gerade in dieser Software erstaunliche Funktionen, die ich noch in keinen anderen Applikationen gefunden habe. Selber programmiert habe ich da bisher noch nichts, aber ich überlege mir mich in Tensorflow einzuarbeiten.

Link zur Doku des Filters : Fitswork: Spezielle Funktionen

@Optikus & @DocHighCo Ja es sind spannende Fähigkeiten, die diese Filter verheißen. Ich teile jedoch Teile von Heikos bedenken, in wie weit das ganze dann noch vom Ursprünglichen Bild stammt. In der Theorie müsste ein neurales Netzwerk, was zbsp an M31 trainert wurde an anderen Zielen auch etwas verbessern können. Ein kleines Bisschen, ist mir diese Übertragungsleistung auch schon gelungen, denn das Referenzbild und mein Ursrprungsbild überschnitten sich nur in einem Bereich in der Mitte. Das NN hat jedoch trotzdem auch viele der Sterne korrigiert, an denen es gar nicht trainiert wurde.

Während meiner ganzen Tests und Versuche sind jedoch auch viele Störquellen aufgefallen, die in der Dokumentation von Fitswork in Teilen auch schon angesprochen wurde:

1. Die Anzahl der Eingangs und Netzwerkneuronen limitieren die Größe dessen, was erkannt und verbessert werden kann.
2. Der durch das training errechnete nnf Filter funktioniert nur richtig für die Pixeldimensionen, in denen er trainiert wurde
3. Der Filter funktioniert auch weniger gut, wenn man den Winkel des Bildes ändert, auch wenn die Pixeldimensionen passend wären.

Schönen Abend noch

Benny
 
Hallo Benny,

spannend ...

Ich denke die Krux ist, wie Heiko andeutet, dass einem das Netzwerk nicht wegläuft und alles nach einem einheitlichen Muster "überbügelt" wenn es bestimmte trainierte Strukturen erkennt. Nachdem viele Einflußgrößen auf physikalischen Effekten wie z.B. der Beugung beruhen sind sie deterministisch, andere, z.B. atmosphärische Effekte sind stochastisch, wenngleich sich da auch Ähnlichkeiten definieren lassen. Ich denke wir sind alle sehr gespannt - wenn Du da weiterexperimentieren möchtest - was sich dabei noch ergibt.

CS
Jörg
 
Hallo Benny,

schau an, da hat das olle Fitswork einen neuronalen Filter, war mir völlig neu. Toll dass du dich so mit der Software beschäftigt hast. Wobei ja dann vermutlich das Konzept von NN nicht sooo neu ist, die sog. convolutional neural networks sind aber jünger oder?

Die Gefahren bei jeglicher KI stehen ausser Frage. Aber auch jetzt schon gibt es für Fotografen/Astrofotografen viele Versuchungen zu schummeln. CloneStamp, Content Aware Fill etc. etc.. Also das sehe ich locker. Es gab, und wird immer schwarze Schafe geben.

Ich sehe die Anwendung eher darin, dass diese Filter Bildteile wesentlich besser identifizieren könnten. Es dürfte ein klacks sein für einen solche Filter z.Bsp. Sterne von Nebeln/Galaxien und Hintergrund zu trennen. So könnte ein NN Filter u.U. besser funktionieren als ein Wavelet Filter. Wobei ich wie gesagt davon auch so gut wie keine Ahnung habe. Ich wüsste allerdings nicht was dagegen sprechen würde. So könnte man viel bessere Masken erstellen für verschiedene Bildbearbeitungsschritte.

Hier der oben erwähnte Filter, der übrigens auf Tensorflow basiert:
github.com

GitHub - nekitmm/starnet: StarNet

StarNet. Contribute to nekitmm/starnet development by creating an account on GitHub.
github.com github.com
Benötigt Rechenkapazität, funktioniert aber erstaunlich gut!

CS Frank
 
Da hab ich nicht alles verstanden, aber ich hoffe noch was davon zu hören. Gefällt mir gut deine 'Demarche', Danke für das teilen, das Endresultat sieht man sich mit Freude an.
 
Status
Es sind keine weiteren Antworten möglich.
Zurück
Oben