Projektidee: Korrektur von atmosphärischen Turbulenzen mithilfe von KI

AstroManu

Neues Mitglied
Hallo zusammen,

Mein Name ist Manuel, ich bin 24 Jahre alt und komme aus Vorarlberg. Ich habe eine Idee, die mich schon länger beschäftigt, und würde gerne eure Meinung dazu hören, insbesondere da ich selbst keine Programmierkenntnisse habe und generell nicht viel Erfahrung in diesem Bereich mitbringe.

Projektidee: Korrektur von atmosphärischen Turbulenzen mithilfe von KI​

Die Grundidee meines Projekts ist es, die Verzerrungen, die durch atmosphärische Turbulenzen bei der Astrofotografie entstehen, mit Hilfe einer Künstlichen Intelligenz (KI) zu korrigieren. Diese Verzerrungen sind bekannt als "Seeing" und führen dazu, dass Sterne und andere Himmelsobjekte in den Aufnahmen verzerrt oder unscharf erscheinen. Die Idee ist, eine KI zu entwickeln, die diese Verzerrungen aus den Bildern herausrechnet und somit die Bildqualität erheblich verbessert.

Inspiration durch adaptive Optik​

Die Idee zu diesem Projekt habe ich aus der adaptiven Optik gewonnen. In der professionellen Astronomie wird adaptive Optik eingesetzt, um Verzerrungen durch die Atmosphäre in Echtzeit zu korrigieren. Dabei wird ein verformbarer Spiegel verwendet, der sich kontinuierlich an die gemessenen Turbulenzen anpasst. Mein Ziel ist es, ein ähnliches Prinzip auf eine andere Art zu nutzen, indem ich nicht in Echtzeit korrigiere, sondern die Korrektur nachträglich auf die bereits aufgenommenen Bilder anwende.

Wellenfrontsensoren: Das Herzstück des Projekts​

Ein zentraler Bestandteil dieser Idee ist der Einsatz eines Wellenfrontsensors. Dieser Sensor misst kontinuierlich die Verzerrungen der Lichtwellen, die durch die Turbulenzen in der Atmosphäre verursacht werden. Die Herausforderung hier: Wellenfrontsensoren sind teuer, und das ist einer der Punkte, wo ich nach alternativen Lösungen suche.

Wie funktioniert der Wellenfrontsensor?​

Stellt euch vor, wir nehmen ein Bild von einem Stern auf, das 300 Sekunden lang belichtet wird. Der Wellenfrontsensor zeichnet dabei jede kleine Bewegung des Sterns auf, verursacht durch die atmosphärischen Turbulenzen. Diese Bewegungen kann man sich vorstellen, als ob man mit einem Bleistift kleine Zickzack-Bewegungen um einen zentralen Punkt herum macht. Diese Bewegungen werden als Daten gespeichert und bilden den "Code" des Wellenfrontsensors für genau dieses Bild. Dieser Code wird verwendet, um die genaue Verzerrung des Sterns zu rekonstruieren.

Die Rolle der KI​

Die KI wird dann die Daten des Wellenfrontsensors nutzen, um die Verzerrung in jedem Bild zu korrigieren. Angenommen, ein Stern erscheint auf dem Bild in einer Größe von 10x10 Pixeln, obwohl er aufgrund der Turbulenzen größer und verzerrt ist. Die KI würde nun die Daten verwenden, um den Stern auf seine eigentliche Größe von vielleicht 3x3 Pixeln herunterzurechnen, was zu einem schärferen und genaueren Bild führen würde.

Herausforderung: Einzelne oder gemeinsame Bildkorrektur?​

Ein wichtiger Aspekt, den ich gerne diskutieren würde, ist die Frage, ob es besser ist, die Codes von allen Bildern zusammenzurechnen und die Korrektur auf das gestackte Bild anzuwenden, oder ob man jeden Code für jedes Bild einzeln verarbeiten sollte. Beide Ansätze haben ihre Vor- und Nachteile, und ich bin mir noch unsicher, welcher Weg zu besseren Ergebnissen führen würde.

Notwendigkeit von Oversampling​

Ein weiterer wichtiger Punkt ist, dass das gewählte Teleskop-Kamera-System einen hohen Grad an Oversampling benötigt. Das bedeutet, dass die Kamera die Sterne mit genügend Pixeln abbilden muss, sodass bei der Korrektur genügend Spielraum vorhanden ist, um die Sterne zu verkleinern.

Berücksichtigung von Autoguiding-Fehlern​

Ein weiterer wichtiger Aspekt, den man nicht außer Acht lassen darf, ist die Tatsache, dass die meisten Amateurastronomen mit einem Autoguiding-System arbeiten. Diese Systeme sind hilfreich, um die Nachführung des Teleskops zu stabilisieren, aber sie verursachen auch eigene Fehler und Ungenauigkeiten in der Nachführung. Diese Fehler müssen ebenfalls in die Berechnungen einbezogen werden, damit die Korrektur durch die KI wirklich präzise wird und keine zusätzlichen Unschärfen entstehen.

Herausforderungen und aktuelle Suche nach Lösungen​

Es ist wichtig zu betonen, dass dies bislang nur eine Idee ist. Wellenfrontsensoren sind teuer (5000€+), und ich suche noch nach alternativen, günstigeren Lösungen. Eine Möglichkeit wäre die Verwendung von Autoguider-Kameras, die zwar weniger genau sind, aber kostengünstiger und möglicherweise ausreichend für unsere Zwecke(?).

Ich bin mir bewusst, dass KI in der Astronomie ein kontroverses Thema sein kann. Einige von euch sind vielleicht skeptisch, während andere das Potenzial darin sehen. Was ich mir von diesem Idee erhoffe, ist, herauszufinden, ob so etwas überhaupt umsetzbar ist und welche Ergebnisse man realistischerweise erwarten kann.

Schlussbemerkung​

Ich freue mich auf eure Meinungen, Anregungen und vielleicht auch auf eure Hilfe, um diese Idee weiterzuentwickeln. Es wäre großartig, wenn wir gemeinsam herausfinden könnten, ob und wie so ein Projekt realisiert werden kann.

Vielen Dank, dass ihr euch die Zeit genommen habt, meine Idee zu lesen. Ich bin gespannt auf eure Reaktionen und darauf, von euren Erfahrungen zu lernen.

Beste Grüße,
Manuel
 
Hallo,

ich halte die Idee für gut das Seeing zu messen und anschließend die Bilder damit zu "Kalibrieren".

Wenn ich denen Ansatz richtig verstanden habe, dann wäre der Prozess wie beim Deconvolution.

(Deconvolution-Algorithmen versuchen, den ursprünglichen Zustand des Objekts zu rekonstruieren, indem sie das aufgenommene Bild mit einem Modell der PSF kombinieren. Die PSF beschreibt, wie ein Punktlicht durch das System abgebildet wird. Der Algorithmus verwendet diese Informationen, um die Effekte der Unschärfe rückgängig zu machen, und liefert so ein schärferes Bild.)

Das würde ja in deinem Fall bedeuten, man würde das PSF Modell nicht erzeugen, sondern über eine Messmethode erfassen.
Was eine höhere Genauigkeit ergeben würde.

CS
Johannes
 
Hallo,

was mir dazu spontan einfällt:

-> was soll die Rolle der KI genau sein. Wenn du sie trainieren möchtest, eine Korrektur vorzunehmen musst du entweder einen Datensatz haben der Bilder einmal mit und ohne Atmosphärischestörungen + der Information des Wellenfrontsensors beinhaltet. Alternativ könnte man das training auch mit künstlichen Daten machen, das bedarf dann aber einen guten Simulationsmodel. Hast du dir das schon überlegt?

-> Ohne mir die Mathematik genauer überlegt zu haben würde ich vermuten das es einen guten Grund gibt warum man die Adaptive Optik adaptiv baut und nicht im Nachhinein eine korrektur Rechnung durchführt. Hast du dir das schon überlegt? Wenn es aufgrund der Signalintegration keine Wiederherstellung des ungestörten Bildes mehr möglich ist, hilft dir die KI auch nichts.

-> Wahrscheinlich wird man es über eine Deconvolution machen müssen. Da könnte man eine KI einsetzten um die optimalen Parameter zu finden. Dazu braucht man aber auch wieder entsprechende Trainingsdaten. Ob die Information des Wellenfrontsensors hilft könnte ich jetzt aus dem Stand nicht direkt sagen

Hast du schon in der wissenschaftlichen Literatur Recherche zu dem Thema betrieben?
 
Schönen Guten Morgen @JohannesM,

ja genau so würde ich mir das Vorstellen. Das Ki Modell arbeitet mit gemessenen Abweichungen der Sterne. Ich habe, wie oben schon erwähn, keine Erfahrungen mit dem trainieren einer Ki und würde mich interessiere ob so etwas realisierbar ist. Nochmal danke für deine Zeit und das du dir meine Idee durchgelesen hasst.

CS
Manuel
 
Auch dir einen schönen guten morgen @dhuber1,

ich habe mich über das Wochenende nochmal genauer über die Themen Adaptive Optic und ihre Eigenschaften Informiert. Meine Idee ist es die Vorteile einer Adaptiven Optic den Amateur Astronomen leichter zugänglich zu machen. Die Adaptive Optic mit dieser Software zu ersetzen, stelle ich mir auch schwierig vor.

Das Ziel des KI-Modells besteht darin, aus den Daten des Wellenfrontsensors ein Bewegungsmuster der Sterne zu erkennen und zu erstellen. Bereits existiert ein KI-Modell, das mithilfe von Optical Flow und Tracking die Bewegungen jedes Sterns in einem Video analysieren kann.
Der nächste Schritt wäre die Entwicklung eines KI-Modells, das diese Sternbewegungen auf das gesamte Bild überträgt. Dieses Modell würde aus den Bewegungspfaden der Sterne ein Netz erstellen, das die durch Luftturbulenzen verursachten Verzerrungen über das gesamte Bild hinweg interpoliert. Dabei werden die analysierten Bewegungen skaliert und die unterschiedliche Stärke der Turbulenzen über das Bild hinweg berücksichtigt. (Interpolation und Hochskalierung der Bewegungen)
Im letzten Schritt wird ein KI-Modell benötigt, das unser langzeitbelichtetes Bild anhand der realen Daten der Sternbewegungen korrigiert. Welche spezifische KI hierfür verwendet werden sollte, ist noch offen. Ein Deconvolution-Modell, wie von dir erwähnt, könnte hierfür eine mögliche Option sein.

Das von dir angeführte Problem, von verlorenem Bild Signal (Details) des ungestörten Bildes, könnte durch eine Ki Modell wieder "hergestellt" werden. Es könnte dem ungestörtem Bild näher kommen.

Wissenschaftliche Literaturen habe ich bis jetzt keine gefunden. Ich habe mich zu ähnlichen ansetzten Informiert und habe kein vergleichbares Produkt/Idee gefunden.
Leider spreche ich nur Englisch und Deutsch, weshalb ich ausschließlich Projekte in diesen beiden Sprachen durchsehen konnte.

Ich habe leider keine Erfahrungen in diesem Thema und freue mich auf weitere Anregungen.

CS
Manuel
 
Hi Manuel, wie soll das im Detail gehen? An wie vielen Stellen im Bild misst dein Wellenfrontsensor die Sternpositionen? Gleichzeitig zur Bildaufnahme? Ich denke das führt zu nichts. Im Grunde hast du alle Informationen die du brauchst bereits im Bild: jeder Stern liefert dir eine PSF, damit kann man ein räumlich variables PSF Modell generieren, und dann das Bild abschnittsweise mit deconvolution bearbeiten. Selbst mit Wellenfrontsensor hast du da dann letztendlich die gleichen Probleme was die deconvolution angeht.
 
Ist das nicht vergleichbar mit dehaze- bzw. heathaze-Filtern?
 
Hallo Manuel,
wir haben doch schon längst eine günstige Lösung gefunden um das Seeing wenigstens bei guten Bedingungen zu eliminieren: Lucky Imaging. Diese Aufnahme einer sehr feinen Mondrille entspricht recht genau dem theoretisch möglichem Auflösungsvermögen, ganz ohne KI.
CS Mike
2024-07-27-0240_7-U-R_lapl5_ap479.jpg
 
Hallo Miteinander,

@Mischa Hallo Mischa, ich bin auch zum Schluss gekommen, dass mein Ansatz mit dem Wellenfronsensor, kein wirklich guter Ansatz war. Eine neue Überlegung von mir ist mit einem Video zu arbeiten. Mit einem Video des selben Bereichs wie das Langbelichtete Foto, können wir Ortsbezogene Verzerrungen für jeden Stern aufzeichnen. Aber auch hier komme ich zu dem selben Problem, wie von dir schon beschrieben, dass des deconvolution. :(


@Wintergatan Hallo Wintergatan, nein nicht direkt, ich hätte eher an so etwas wie hier gedacht: ATCOM: Real-Time Enhancement of Long-Range Imagery | NVIDIA Technical Blog
Diese Software kann die Turbulenzen "heraus" rechnen. Eine Software die die Atmosphärischen Turbulenzen die in einem Video ersichtlich sind als Muster darstellen kann wäre zb. OpenPIV. Dieses Programm könnte eine Maske erstellen wie sich die Turbulenzen auf ein Bild auswirken. So könnte man ein Video auswerten und ein MASTERmaske erstellen. Mit dieser MASTERmaske könnte man ein Langzeitbelichtetes Bild zurück rechnen. So habe ich es mir zumindest vorgestellt.

@MikeWölle Hallo Mike, Lucky Imaging und Speckle Imaging sind mir bekannt, aber meine Idee wäre es Langzeitbelichtete Bilder mit gemessenen Daten der Atmosphärischen Turbulenzen gegen zu rechnen, sodass ein langbelichtetes Bild entsteht ohne Seeing Einschränkungen.

Ich danke allen für euere Anmerkungen. Ich muss mir das nochmal ansehen.
Ich wünsche allen eine schöne Zeit und CS

Manuel
 
@Mischa Hallo Mischa, ich bin auch zum Schluss gekommen, dass mein Ansatz mit dem Wellenfronsensor, kein wirklich guter Ansatz war. Eine neue Überlegung von mir ist mit einem Video zu arbeiten. Mit einem Video des selben Bereichs wie das Langbelichtete Foto, können wir Ortsbezogene Verzerrungen für jeden Stern aufzeichnen. Aber auch hier komme ich zu dem selben Problem, wie von dir schon beschrieben, dass des deconvolution.
Da ist das Problem ein anderes. Wenn das Video vor oder nach deiner Aufnahme entsteht, dann ist das Seeing ein anderes und es hilft dir gar nichts. Selbst wenn du gleichzeitig mit einer identischen Optik parallel zur Hauptoptik filmst, hilft das nichts, weil der parallele Strahlengang der Videooptik andere Turbulenzzellen durchläuft als der deiner Langzeitoptik.
 
Ich würde vorschlagen KI eher für die Berechnung für die optimale Anzahl, Position und Größe der Kästchen in AS3 einzusetzen.
Oder für die optimale Position der Regler zum Schärfen in RX6

CS Mike
 
@Mischa Ich habe mich intensiver mit dem Thema der atmosphärischen Turbulenzen auseinandergesetzt. Dabei war mir nicht bewusst, dass die Turbulenzzellen, gemäß dem Seeing-Parameter r0 (Fried-Skala), eine Größe von nur 1 cm oder sogar kleiner aufweisen können. Die großen Auswirkungen, die diese kleinen Zellen auf meine Idee haben, finde ich faszinierend. Meine Idee könnte möglicherweise durch den Einsatz eines Strahlteilers funktionieren, der 50 % des Lichts an eine Kamera weiterleitet und die anderen 50 % zu einer zweiten Kamera durchlässt. Welche Herausforderungen dabei auftreten könnten, habe ich jedoch noch nicht vollständig herausgefunden.

@MikeWölle Leider bin ich mit den von dir genannten Programmen nicht so vertraut, dass ich dazu viel sagen könnte. Es klingt jedoch nach einer vielversprechenden Möglichkeit, AS3/AS4 zu optimieren.

Nochmals vielen Dank für die interessanten Anmerkungen!
Schönen Tag und CS

Manuel
 
@Mischa Ich habe mich intensiver mit dem Thema der atmosphärischen Turbulenzen auseinandergesetzt. Dabei war mir nicht bewusst, dass die Turbulenzzellen, gemäß dem Seeing-Parameter r0 (Fried-Skala), eine Größe von nur 1 cm oder sogar kleiner aufweisen können. Die großen Auswirkungen, die diese kleinen Zellen auf meine Idee haben, finde ich faszinierend. Meine Idee könnte möglicherweise durch den Einsatz eines Strahlteilers funktionieren, der 50 % des Lichts an eine Kamera weiterleitet und die anderen 50 % zu einer zweiten Kamera durchlässt. Welche Herausforderungen dabei auftreten könnten, habe ich jedoch noch nicht vollständig herausgefunden.

@MikeWölle Leider bin ich mit den von dir genannten Programmen nicht so vertraut, dass ich dazu viel sagen könnte. Es klingt jedoch nach einer vielversprechenden Möglichkeit, AS3/AS4 zu optimieren.

Nochmals vielen Dank für die interessanten Anmerkungen!
Schönen Tag und CS

Manuel
Statt eines Strahlteilers könnte man sich ja überlegen mit der Hauptcam einen Videostream zu machen der in kurzen Intervallen durch ein Lucky Image Bild ergänzt wird.
Im Lucky Image bekommt man dann die 'nahezu ungestörte Ortsinfo' zum Zeitpunkt tx (x=1 bis z.B. x=1000). Aus den Ortsdaten und dem Videostream sollte man dann zu jedem Zeitpunkt tx ein korrigiertes Bild rekonstruieren können, so ganz ohne KI.
Aber so tief habe ich mir das auch noch nicht überlegt, welche Limitierungen und Anforderungen sich daraus ergeben.

CS,
Franz
 
Zurück
Oben