报告名称：基于Facet模型的分子云核检测研究

报告专家：郑胜

专家所在单位：三峡大学

报告时间：2021年4月16日15:00-17：00

报告地点：数学与统计学学院603

专家简介：三峡大学理学院教授，博士生导师。长期从事模式识别与人工智能方面的研究工作，研究方向主要包括：计算机视觉、太阳图像处理、分子云与恒星形成等。主持并完成国家自然科学基金天文联合基金培育项目“基于实时平场的NVST观测数据干涉条纹消除”和“全日面Hα观测数据还原技术与方法研究”，主持国家自然基金联合重点项目“基于人工智能的分子云致密结构统计分析”。在APJ、IEEE TIP、PR等国际研究期刊发表论文多篇。

报告摘要：分子气体是星际介质的重要成分，在宇宙的演化中起着至关重要的作用。基于大量的观测结果，普遍认为恒星形成于致密的分子云中，分子云中的致密结构（如分子云核/团块）是恒星形成场所，其物理条件和状态很可能决定了恒星形成的初始条件。进行分子云致密结构普查和检测，获得一个比较完备的分子云核/团块样本，对研究恒星形成的演化过程重要的科学意义。银河画卷计划是我国开展的大天区、CO三条谱线（¹²CO、¹³CO和C¹⁸O，J=1-0）、中等空间分辨率巡天项目。基于传统方法的分析，已经产出了一批有价值的科学成果，但数据分析效率偏低。目前，分子云核/团块的检测算法有GAUSSCLUMPS、CLUMPFIND、FELLWALKER和REINHLOD等，这些算法普遍存在检测准确率不高、自动化程度较低的问题。

针对以上问题，结合银河画卷数据处理的需求，提出了一种基于Facet模型的分子云核/团块自动检测算法。该方法利用Facet模型对二维、三维云核数据进行局部的强度曲面拟合，构建Hessian矩阵，从而获得局部极值点的分布情况，进而确定区域内云核数量和位置。经仿真数据实验和M16天区实测数据验证，该算法抗噪能力强，对人工调参的依赖性较小，检测的准确率高于其他算法。

邀请人:刘合国

审稿：郑大彬