Jupiter du 30 juillet 2021 entre 0h25 et 5h00 TL

[ms55]

Conditions pas terribles mais je poste quand même la petite vidéo à cause du passage de la GTR.
C11 f/20 + EQ6-R Pro + ASI462MC :
 

[sebseacteam]

Whaa encore émerveillé je suis 😋

Excellent ce passage de la GTR et de l'ombre qui n'avance pas à la même vitesse. 

Très très fort.

[Astorm]

Superbe en effet!

[ms55]

Durant l'acquisition, il est possible de voir l'évolution du ciel. Ici le minimum est à 15,8 (image corrigée n°197) et le maximum à 61,3 (image corrigée n°53).
En cas de passage de nuages comme en début de soirée le 30 juillet, le programme interpole pour maintenir une qualité à peu près constante.
Un bonne nuit correspond à des valeurs supérieures à 50, ici c'est une nuit en dessous de la moyenne avec un passage de quelques minutes au dessus de 50 en début d'acquisition.
 

 

En abscisse 1 correspond à 0h25TL et le 299 à 5h00TL.
La meilleure image (n°53) à 1h18TL.
La plus mauvaise image (n°197) à 3h25TL.
Le passage au méridien à 3h07TL (28°21') correspond à l'image n°177.
Le temps d'acquisition moyen de 6000 images brutes retenues est de 55s (entre 50s et 60s).
Le nombre total d'images brutes traitées en 4h35mn est de 299 x 6000 = 1,8 millions.

 

Images 53, 177 et 197 :
 

 

 

Modifié 31 juillet 2021 par ms55

[sebseacteam]

Incroyable comme technique.

J'aimerais bien essayer 😋

Est ce que c'est obligatoire de faire tourner le code python pendant l'acquisition ou on peut faire tourner sur un film déjà enregistré en SER.

J'ai commencé à regarder un peu sur Github mais c'est un peu trop technique pour moi pour le moment.

Je me frotte un peu à Linux avec le Raspberry pi, les solutions Stellarmate et Astroberry par exemple.

Mais l'environnement globale se rapproche de Windows.

Là avec Pytorch c'est un autre univers....

[ms55]

Le 31/07/2021 à 21:32, sebseacteam a dit :

1) Est ce que c'est obligatoire de faire tourner le code python pendant l'acquisition ou on peut faire tourner sur un film déjà enregistré en SER.

 

2) Là avec Pytorch c'est un autre univers....

1) Pour cette vidéo, il faudrait un fichier SER d'au moins 1,8 millions d'images brutes (299 x 6000 = 1 794 000 images). En fait, il y en faudrait beaucoup plus parce que l'algorithme sélectionne en moins de 120s, 6000 images brutes répondant à un critère de qualité. Suite à cela, j'obtiens la vidéo suivante qui ne met en œuvre  que des algorithmes traditionnels (alignement, lucky imaging, flot optique, ...) écrits en langage C/C++.

 

 

2) Le deep learning n'est actuellement utilisé que pour "dé-flouter" la vidéo précédente, PyTorch ne servant qu'à tester rapidement de nouveaux modèles qui sont par la suite implémentés en langage C/C++. Pour cela, j'utilise la librairie ArrayFire pour gérer la couche CUDA/OpenCL sous Linux/Windows/MacOSX/JetsonNX. Il est certainement possible de faire cela avec des algorithmes traditionnels mais je n'ai pas encore trouvé de solution "temps réel" acceptable.
 

 

Et puis avec tous ces jours de pluie, je finirai bien par trouver l'algorithme qui va bien. 😃

 

D'un autre coté, le deep learning fait des progrès rapides, voir l'exemple suivant : algorithme traditionnel (interpolation cubique) et deep learning (super résolution) :
 

 

 

 

 

Vous pouvez faire l'essai avec l'image du chat x1 et un resize x4 dans Gimp ou Photoshop.
C'est ce que je voudrais réussir à faire avec ma vidéo un peu floue obtenue avec des algos traditionnels ... opération en cours. 🤔

 

Modifié 2 août 2021 par ms55

[Paquim]

Très chouette bravo 😃

[ms55]

C'est plus parlant que le chat. 😃
 

1) une image obtenue avec des algorithmes traditionnels

 

2) l'image 1 agrandie 4 fois avec Gimp (interpolation cubique)

 

3) l'image 1 agrandie avec un algorithme de super résolution type GAN

 

4) remise à l'échelle 1 de l'image 3

 

L'image de droite correspond à l'image finale que je veux obtenir : 😉

 

Ne reste plus qu'à intégrer la super résolution à la vidéo floue obtenue avec des algorithmes traditionnels  et mon petit programme de vidéo assistée sera terminé ... à tester lors de la prochaine éclaircie. 😃

Modifié 2 août 2021 par ms55

[ms55]

Appliquons la super résolution x4 au déplacement du satellite Io entre les images 40 et 79 de la vidéo.
Io semble déformé sur la droite alors que le reste du globe reste bien rond (c'est vérifié sur toutes les images).
On pourrait exclure un artefact et penser à une manifestation de l'activité volcanique sur Io ?
 

Image 47 :

 

Image 53 :

 

Image 70 :

 

Image 53 :

 

 C'est peut-être cela l'intérêt de faire des vidéos plutôt que des images isolées ? 😉
Est-ce possible de détecter l'activité volcanique sur Io à partir d'un télescope d'amateur de 280mm de diamètre ? 🤔

Modifié 4 août 2021 par ms55

[phoque]

Peut-être, tu as un fil similaire sur le site d'en face  : http://www.astrosurf.com/topic/147942-jupiter-au-balcon-avec-une-détection-inédite/

[ms55]

il y a 46 minutes, phoque a dit :

Peut-être, tu as un fil similaire sur le site d'en face  : http://www.astrosurf.com/topic/147942-jupiter-au-balcon-avec-une-détection-inédite/

Merci, il semble que ce soit au même endroit mais dommage qu'il n'y ait qu'une image pour valider cela.
Avec la vidéo c'est plus facile de le vérifier sur une quarantaines d'images (n°40 à 79). 😉

C'est du Loki imaging. 🤣🤣🤣

Modifié 4 août 2021 par ms55

[ms55]

Le passage de Io entre 0h25TL et 1h41TL.

Est-ce du Locki imaging ou un artefact ? 🤔
 

 

Une vidéo de 48 images séparées de Jupiter :

 

Alignement et addition des 48 images :

 

 

Les 48 prises situées à des distances différentes du centre optique (la coma varie en fonction de la distance) ont pratiquement le même profil. 🤔

 

 

 

Un satellite bien circulaire sur cette image prise la même nuit, j'ai donc un artefact dû vraisemblablement à la barlow Kepler 2" que je remplacerais par la Big Barlow qui est mieux corrigée. 🤔

Modifié 6 août 2021 par ms55