Seeing monitor

[krussh]

еще одна иллюстрация. другой набор кадров.

[ekvi]

SeeingGauger с исходниками на Паскале и с серией из 300 FIT-снимков от moscow (~10Mb): https://yadi.sk/d/AMk5YgBUqp5j5

Обработка такая. Центр Полярной определяется как центр тяжести. Далее из координат в каждом снимке вычитается его дрейф, определённый из разности координат Полярной на 300м и 1м снимках. Массив полученных точек аппроксимирован полиномом 1й степени и оптимизирован по МНК.
Аппроксимация изображения Полярной функцией Моффата, конечно, значительно повысит точность, но надо ли это делать? Тем более, что сам я никак не могу продифференцировать его формулу для построения системы уравнений для МНК. А Питон оказался настолько премудрым, что в нем нет ни scipy, ни numpy, ни leastsq, ни, тем более, pyfits, всё в его версиях 2.7.8, 2.7.11 и 3.4 перепутано. (Кстати, Питон устанавливается без участия И-Нета). Уже нет ни терпения, ни здоровья распутывать паутины чужих заблуждений - теперь, дай Бог, свои исправить!

Результат мониторинга сильно зависит от радиуса rSpot круга (annulus'а) поиска Полярной: на 2й илл - rSpot = 16, на 3й - rSpot = 3.

[ekvi]

Результат мониторинга сильно зависит от радиуса rSpot круга

По-видимому, этот радиус нужно выбирать таким, чтобы радиус Фрида был минимальным? - т.е. оценка по наихудшему измерению сиинга.
В моей программе для ролика от moscow за 10.03.2016 оптимальным оказался rSpot = 15, для ролика за 06.03.2016 - rSpot = 28.

[krussh]

А Питон оказался настолько премудрым, что в нем нет ни scipy, ни numpy, ни leastsq, ни, тем более, pyfits, всё в его версиях 2.7.8, 2.7.11 и 3.4 перепутано. (Кстати, Питон устанавливается без участия И-Нета).

пакет по ссылке тестировался. в README.txt подробные инструкции по установке. в частности там используется pip, он то как раз и закачивает данные из сети.

Результат мониторинга сильно зависит от радиуса rSpot круга (annulus'а) поиска Полярной:

проверил для радиусов 20, 30, 40 пикселей
разница минимальна
STDV_X= 0.157 (pix)
STDV_Y= 0.142 (pix)
Rf polar = 0.062 (m)
Seeing polar = 1.794 (arcsec)
Rf zenith = 0.066 (m)
Seeing zenith = 1.691 (arcsec)

Frames: 300
STDV_X= 0.154 (pix)
STDV_Y= 0.137 (pix)
Rf polar = 0.064 (m)
Seeing polar = 1.738 (arcsec)
Rf zenith = 0.068 (m)
Seeing zenith = 1.638 (arcsec)

Frames: 300
STDV_X= 0.159 (pix)
STDV_Y= 0.136 (pix)
Rf polar = 0.063 (m)
Seeing polar = 1.766 (arcsec)
Rf zenith = 0.067 (m)
Seeing zenith = 1.664 (arcsec)

[ekvi]

проверил для радиусов 20, 30, 40 пикселей разница минимальна

Спасибо, Вадим. Буду искать ошибку в своей программе.

[krussh]

проверил для радиусов 20, 30, 40 пикселей разница минимальна

Спасибо, Вадим. Буду искать ошибку в своей программе.

Меня сильно смущает "расческа" на картинке №3 из ответа 161. Возможные причины: или ошибка в определении центра тяжести (дискретный сдвиг) или изменение порядка кадров при удалении тренда (приводит к "негладкости" функции).
Если есть возможность, вкладывайте картинки с изменением координаты центра тяжести от номера кадра (160 ответ или 161, картинка 3). Они очень информативны на стадии отладки. Сразу видна неслучайная составляющая.

[ekvi]

или ошибка в определении центра тяжести (дискретный сдвиг) или изменение порядка кадров при удалении тренда (приводит к "негладкости" функции).

Первое определяется апертурой rSpot. Второе устранил, переименовав кадры вручную. А такое вызвано тем, что на автомате досовский определитель файлов такое боронит, что начинает считать файлы не с 1го, а с 40го ... и т.п. Приходится вводить собственный счётчик файлов.
Основная же заковыка - в вычете дрейфа изображения всего изображения, в том числе, и Полярной, поскольку на него накладываются случайные турбулентные скачки изображения Полярной, приводящие порой к отрицательному сдвигу изображения против равномерного расчётного. И тут без МНК, наверное, не обойтись: как учесть случайную величину, чтобы определить начало "тренда", его конец и средний, покадровый сдвиг?
Картина распределения точек по суммарному пятну серии стала приближаться к истине только после того, как был введён покадровый дрейф, вычисленный по разности координат Полярной на последнем и первом снимках. Теперь предстоит учесть случайность положений этих координат - надеюсь, это и решит проблему точности.

[krussh]

или ошибка в определении центра тяжести (дискретный сдвиг) или изменение порядка кадров при удалении тренда (приводит к "негладкости" функции).

Первое определяется апертурой rSpot. Второе устранил, переименовав кадры вручную. А такое вызвано тем, что на автомате досовский определитель файлов такое боронит, что начинает считать файлы не с 1го, а с 40го ... и т.п. Приходится вводить собственный счётчик файлов.
Основная же заковыка - в вычете дрейфа изображения всего изображения, в том числе, и Полярной, поскольку на него накладываются случайные турбулентные скачки изображения Полярной, приводящие порой к отрицательному сдвигу изображения против равномерного расчётного. И тут без МНК, наверное, не обойтись: как учесть случайную величину, чтобы определить начало "тренда", его конец и средний, покадровый сдвиг?
Картина распределения точек по суммарному пятну серии стала приближаться к истине только после того, как был введён покадровый дрейф, вычисленный по разности координат Полярной на последнем и первом снимках. Теперь предстоит учесть случайность положений этих координат - надеюсь, это и решит проблему точности.

Можно посчитать проекцию движения полярной на фокальную плоскость. Это же просто круг. И вычитать его.

[ekvi]

Можно посчитать проекцию движения полярной на фокальную плоскость. Это же просто круг. И вычитать его.

Была такая мысль. Но затем на этот круг придется из каждой экспериментальной точки опускать нормаль и вычислять её длину - "овчина не будет стоить выделки". Но, самое главное, - так будет определено средне-статистическое уклонение, а не истинные значения 1го и 300го скачков.
Конечно, задача просто решается методом последовательных приближений: определить на 1м шаге амплитуды скачков на 1м и 300м кадре как средне-статистические уклонения, и учесть их на 2м шаге. Хотелось задачу решать "за один проход", но, видимо, придётся, по меньшей мере, решать за два.

[ekvi]

в README.txt подробные инструкции по установке

Вот так - всё получилось. А без поводыря - совершенно пустой номер.
Как "ветер стихнет", начну транслировать с питоновского на человеческий.

[ekvi]

Предлагаю рассмотреть альтернативный вариант оценки сиинга, преимущество которого в существенно меньшем объёме и необходимых данных, и их обработки.

Покадровый анализ изображения Полярной показывает, что пятно (и фон на снимке) резко меняют и яркость, и контраст. Пятно "впитывает" в себя как дрожание атмосферы, так и её прозрачность (наличие/отсутствие аэрозолей). Поэтому, суммируя несколько изображений Полярной (достаточно 4х), мы получаем усреднённое пятно, по которому можно судить о готовности атмосферы к предстоящей съёмке.

На иллюстрации - таблица, в которой сопоставлена работа программы СиингГэйджер от krussh и альтернативной ей программы СиингЭст. Из этой таблицы видна корреляция между сиингом и "яркостью" следа Полярной (параметр sumBrightPix). На иллюстрациях - покадровый разброс 300 пятен и мерид. + сагит.  сечения пятна, просуммированного из 24 кадров.
А это - архив с дельфи-проектом альтернативной программы СиингЭст: https://yadi.sk/d/c20KvjasrXUtp

PS.
Из 5 обработанных роликов наилучшая "видимость" - в буквальном смысле этого слова, а не термина "сиинг" - обнаружена в ролике от moscow, датированном 10.03.2016: на кадре № 4, помимо Полярной, отчётливо видны ещё четыре мелких звёздочки.
На остальных снимках, кроме Полярной, видна только одна звезда, с трудом отличимая от горячего пикселя.
Но обе программы были заняты статистикой и этого не заметили.

[ekvi]

Ещё информация о предложенном способе.
При постоянном сиинге характер распределения освещенности в изображении звезды не меняется от числа накопленных снимков. На прилагаемой иллюстрации в верхнем ряду представлены изображения Полярной из ролика POLI, сложенные, соответственно, из (слева-направо): 1 - 12 - 120 снимков. При этом и оценочные числа (параметр sumBrightPix) практически неизменны, т.к. просуммированы яркости пикселей, нормированные к единице. Незначительные вариации связаны с накоплением уровня фона (точнее, шумов матрицы).

Картина существенно изменяется, если в течение сессии сиинг был переменным, как это было 06.03.2016 у moscow (нижний ряд иллюстрации). В этом случае параметр sumBrightPix, характеризующий сиинг в предложенном способе, будет заметно изменяться в зависимости от числа складываемых снимков.

В целом, напрашивается вывод о том, что способ оценки сиинга по пятну заслуживает дальнейшего развития. В частности, можно более точно определять значение числа FWHM, которое по величине должно совпадать со значением, полученным в программе SeeingGauger от krussh.

[krussh]

Можно и так.
Но есть несколько моментов которые могут влиять на результат.
1) сдвиг от кадра к кадру приводит к размыванию PSF для суммы нескольких кадров.
2) малый масштаб изображения приводит к большим ошибкам определения PSF. Слишком мало количество пикселей в изображении.
3) Теряется временное разрешение. У атмосферы есть два макропараметра: радиус Фрида и характерное время, определяемое скоростью ветра. Для длинных экспозиций важна только первая величина. Для коротких - обе. Классический метод DIMM позволяет оценить оба параметра.

[mo]

Я верно понимаю, что для применения метода оценки размера / формы пятна нужен масштаб побольше имеющегося? И камера получше.
И ещё я не пойму, как в этом методе отделить влияние сиинга от дефокуса объектива (например, от температурных колебаний)

[krussh]

как в этом методе отделить влияние сиинга от дефокуса объектива

действительно. все время забываю, что телескоп не сферический и не в вакууме.

[ekvi]

1) сдвиг от кадра к кадру приводит к размыванию PSF для суммы нескольких кадров.

Дрейф изображения при остановленном приводе даёт то, что выделено жирным шрифтом (точнее - к смазу пятна).
Суммирование же выровненных снимков, как известно, увеличивает постоянную составляющую сигнала и уменьшает случайную, т.е. PSF становится обтекаемей, а определённый сиинг статистически усредненным.

2) малый масштаб изображения приводит к большим ошибкам определения PSF. Слишком мало количество пикселей в изображении.

Да, PSF вычисляется с трудом. Но в "пятенном" методе важно соотношение "мощности" основания пятна и мощности сигнала на уровне 0.5. Интегральная характеристика ещё только нащупывается.

3) Теряется временное разрешение.

Это зависит от программы: можно производить ПОКАДРОВОЕ сопоставление перечисленных выше "мощностей" и тем самым постоянно "держать руку на пульсе".
Здесь надо иметь в виду то, что для измерения сиинга "макушечным" способом требуется изобилие кадров (300 и, как помнится, лучше ~1000!). Так что временнОе разрешение практически отсутствует именно у "макушечного" способа.
"Пятенный" же способ производит покадровую (т.е. мгновенную) оценку сиинга (число кадров 4-12 выбрано для компенсации дребезга в матрице).

[ekvi]

Я верно понимаю, что для применения метода оценки размера / формы пятна нужен масштаб побольше имеющегося? И камера получше

Лучше, чтобы Масштаб был крупнее: пятно станет представительней, а его дрожание - заметнее. Это хорошо для обоих способов., но, в особенности, для "макушечного" способа, т.к. в нём критической оказывается каждая тысячная доля микрометра.
У меня есть ЗТ 50х450 - будет самое то.

И ещё я не пойму, как в этом методе отделить влияние сиинга от дефокуса объектива (например, от температурных колебаний)

Этот вопрос - аналогичен вопросу о качестве объектива. При F/D ~ 10 и диаметре менее 50 объектив практически даёт идеальный кружок Эйри, всё остальное - влияние атмосферы, поэтому все эти погрешности действуют на пятно на порядок слабее турбуленции.

[ekvi]

Получил удовлетворительный результат и решил остановиться на достигнутом:
https://yadi.sk/d/DlaQYi2OraMRT
Подробности - в Help.doc.

[Gleb1964]

При F/D ~ 10 и диаметре менее 50 объектив практически даёт идеальный кружок Эйри, всё остальное - влияние атмосферы, поэтому все эти погрешности действуют на пятно на порядок слабее турбуленции.

да, почти согласен.
Но самое значительное влияние на форму пятна при этом вносит "пикселяция" - разбиение пятна на пикселы матрицы. Особенно, если основная энергия пятна умещается в размере 1-2 пиксела. При движения пятна по пикселам матрицы, форма изображения будет значительно варироваться и искажаться. На измеряемы координаты пятна пикселяция оказывает меньшее влияние, нежели на оценку формы или, скажем, ширины пятна на половинной высоте (Full Width on Half Maximum FWHM).
Кроме того, не вся поверхность матрицы имеет одинаковую чувствительность. У пиксела есть апертурная характеристика, к краям пиксела чувствительность падает. Между пикселами есть зоны с провалами чувствительности, когда туда попадает часть энергии пятна, интегральная сумма падает - но это не атмосфера, а эффекты пикселяции. Уменьшить их можно только оптимизацией согласования пятна рассеяния объектива с шагом и размерами пикселов. Для такого рода измерений, по моему мнению, хорошо бы иметь FWHM ~ 2-2.5 пиксела.

[ekvi]

хорошо бы иметь FWHM ~ 2-2.5 пиксела.

В роликах, которые представлены в этой теме, FWHM чуть меньше 2 пикселей.
С остальными нюансами в матрице целиком согласен. Но они сказываются и в "макушечном" способе вычисления сиинга.
С матрицей можно поладить, собрав все её дефекты в "мастер-кадр", который затем вычитать из кадров ролика.
Если говорить о "пятенном" способе, то в него нужно привлечь ещё и кружок Эйри. Но в последнем варианте SG сиинг определяется по массиву макушек пятен. Разница с результатами krussh - из-за того, что в моей программе не используется аппроксимация функцией Моффата.

Задача, действительно, оказалась не из простых.