What do we see when we look at a nearby, well-resolved galaxy? Thousands of individual sources are detected in multiband imaging observations of even a fraction of a nearby galaxy, and characterizing those sources is a complex process. This work analyses a ten-band photometric catalogue of nearly 70 000 point sources in a 7.3 square arcmin region of the nearby spiral galaxy Messier 83, made as part of the Early Release Science programme with the Hubble Space Telescope's Wide Field Camera 3. Colour distributions were measured for both broad-band and broad-and-narrow-band colours; colours made from broad-bands with large wavelength differences generally had broader distributions although B - V was an exception. Two- and three-dimensional colour spaces were generated using various combinations of four bands and clustered with the K-Means and Mean Shift algorithms. Neither algorithm was able to consistently segment the colour distributions: while some distinct features in colour space were apparent in visual examinations, these features were not compact or isolated enough to be recognized as clusters in colour space. K-Means clustering of the UBVI colour space was able to identify a group of objects more likely to be star clusters. Mean Shift was successful in identifying outlying groups at the edges of colour distributions. For identifying objects whose emission is dominated by spectral lines, there was no clear benefit from combining narrow-band photometry in multiple bands compared to a simple continuum subtraction. The clustering analysis results are used to inform recommendations for future surveys of nearby galaxies.


翻译:当我们查看附近的、已完全解析的星系时,我们能看到什么?在对附近星系的多波段成像观测中检测到数千个单个来源,即使对附近星系的一小部分,这些来源的特性也是一个复杂的过程。这项工作分析了在附近螺旋星系Messier 83 的7.3平方弧度区域中,作为早期释放科学方案的一部分,在附近螺旋星系Messier 83 的7.3平方弧角区域中,近70 000点来源的10波光度光度目录,作为HUbble空间宽幅幅和宽幅和宽幅幅幅幅幅色色色色色色色色色的分布测量结果;虽然B-V是一个例外,但从大波长差异的宽幅幅幅幅幅上观测出的颜色,一般分布范围更广。两维和三维的彩色度空间是使用四波段的组合,与K-米色色系和中色色色色色色色色色变的组合组合组合,因此光色色色色色色色色色色色变的分布不会分数分析得更清楚。

0
下载
关闭预览

相关内容

因果图,Causal Graphs,52页ppt
专知会员服务
246+阅读 · 2020年4月19日
ExBert — 可视化分析Transformer学到的表示
专知会员服务
31+阅读 · 2019年10月16日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
知识图谱本体结构构建论文合集
专知会员服务
106+阅读 · 2019年10月9日
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
无人机视觉挑战赛 | ICCV 2019 Workshop—VisDrone2019
PaperWeekly
7+阅读 · 2019年5月5日
人工智能 | SCI期刊专刊信息3条
Call4Papers
5+阅读 · 2019年1月10日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
RL 真经
CreateAMind
5+阅读 · 2018年12月28日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
【推荐】深度学习目标检测概览
机器学习研究会
10+阅读 · 2017年9月1日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
VIP会员
相关资讯
计算机 | 入门级EI会议ICVRIS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年6月24日
无人机视觉挑战赛 | ICCV 2019 Workshop—VisDrone2019
PaperWeekly
7+阅读 · 2019年5月5日
人工智能 | SCI期刊专刊信息3条
Call4Papers
5+阅读 · 2019年1月10日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
RL 真经
CreateAMind
5+阅读 · 2018年12月28日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
【推荐】深度学习目标检测概览
机器学习研究会
10+阅读 · 2017年9月1日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员