Detailansicht
Void finder: towards robust dust cavity detection in astrophysical datasets
Amanda de Paula Cristino Hirschl
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Informatik
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Informatik
Betreuer*in
Torsten Möller
DOI
10.25365/thesis.79765
URN
urn:nbn:at:at-ubw:1-22266.04011.901251-8
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Das interstellare Medium (ISM), bestehend aus Gas und Staub, ist ein dynamisches Umfeld, das ständig durch stellare Prozesse, einschließlich Supernova-Explosionen, geprägt wird. Diese Explosionen schaffen Regionen mit niedriger Dichte, die als Staubleeren bekannt sind. Die Kartierung und Analyse dieser Leeren ist entscheidend für das Verständnis der Sternentstehung und der Entwicklung unserer Galaxie. Jüngste Fortschritte in der 3D-Staubkartierung haben eine beispiellose Auflösung ermöglicht, die detaillierte Studien dieser Leeren erlaubt. Die Identifikation dieser Strukturen stützte sich jedoch traditionell auf visuelle Inspektion, was arbeitsintensiv und fehleranfällig ist. Diese Masterarbeit geht auf diese Einschränkung ein, indem sie den Void-Finder-Algorithmus vorstellt, eine automatisierte Methode zur Erkennung von Staubleeren in 3D-Staubverteilungen. Der Algorithmus nutzt das radiale Dichteprofil, das für durch Supernovae induzierte Leeren charakteristisch ist, und identifiziert Regionen mit einem zentralen Dichteminimum, das von einer zunehmenden Dichte umgeben ist und wieder in das umgebende ISM übergeht. Der Void-Finder-Algorithmus wurde entwickelt, um die Herausforderungen komplexer ISM-Strukturen, unvollständiger Leeren-Grenzen und das Fehlen von gekennzeichneten Trainingsdaten zu überwinden. Er eliminiert die Notwendigkeit einer umfangreichen manuellen Inspektion und erleichtert die Entdeckung zuvor nicht kartierter Leeren. Diese Arbeit stellt die erste automatisierte Lösung zur Erkennung von Staubleeren in astrophysikalischen 3D-Staubdaten vor. Manuell gekennzeichnete Leeren des ISM-Simulationsdatensatzes dienen als „Ground Truth“ für die Validierung des Algorithmus. In Folge wird dieser Datensatz auch für eine strukturierte Bewertung klassischer und moderner Bildsegmentierungstechniken für diese Aufgabe verwendet. Die in dieser Masterarbeit präsentierten Ergebnisse heben das Potenzial des Void-Finder-Algorithmus hervor, unser Verständnis der ISM-Struktur zu verbessern und die Effizienz bei der Leeren-Detektion zu steigern.
Abstract
(Englisch)
The interstellar medium (ISM), composed of gas and dust, is a dynamic environment constantly shaped by stellar processes. These processes include supernova explosions, that can create low-density regions known as dust voids. Mapping and analyzing these voids is crucial for understanding star formation and the evolution of our galaxy. Recent advances in 3D dust mapping have provided unprecedented resolution, enabling detailed studies of voids. However, the identification of these structures has traditionally relied on visual inspection, which is labor-intensive and prone to errors. This thesis addresses this limitation by introducing the Void-Finder algorithm, an automated method for detecting dust voids in 3D dust distributions. The algorithm leverages the radial density profile characteristic of supernova-induced voids, identifying regions with a central density minimum surrounded by increasing density that transitions back to the ambient ISM. Designed to overcome the challenges of complex ISM structures, incomplete void boundaries, and the lack of labeled training data, the Void-Finder algorithm eliminates the need for extensive manual inspection and facilitates the discovery of previously unmapped voids. The contributions of this work include the development of an automated solution for void detection in astrophysical 3D dust data, the labeling of voids in an ISM simulation, and a structured assessment of classical and contemporary image segmentation techniques for this task. The findings presented in this thesis highlight the potential of the Void-Finder algorithm to enhance our understanding of ISM structure and improve efficiency in void detection, by providing a robust automated solution for the problem.
Schlagwörter
Schlagwörter
(Deutsch)
Staubleeren-Erkennung Interstellares Medium Bildsegmentierung Supernovaüberreste
Schlagwörter
(Englisch)
Dust void detection Interstellar medium Supernova remnants Image segmentation
Autor*innen
Amanda de Paula Cristino Hirschl
Haupttitel (Englisch)
Void finder: towards robust dust cavity detection in astrophysical datasets
Paralleltitel (Deutsch)
Void Finder: ein Algorithmus zur Erkennung von Staubleeren in astrophysikalischen Datensätzen
Publikationsjahr
2025
Umfangsangabe
xiii, 65 Seiten : Illustrationen
Sprache
Englisch
Beurteiler*in
Torsten Möller
Klassifikation
54 Informatik > 54.99 Informatik. Sonstiges
AC Nummer
AC17723170
Utheses ID
78282
Studienkennzahl
UA | 066 | 921 | |