Adaptive Quality Map Hyperstacking (AQMH) – Methodik v0.2.1¶

Dokumentstatus: Normativ für die Konfigurationsfamilie v0.2.1.
Ersetzt: aqmh_methodik_en_v0.2.0.md bzw. deren deutsche Übersetzung.
Sprache: Deutsch. Für die englische Version siehe aqmh_methodik_en_v0.2.1.md.

0. Dokumenthistorie und Geltungsbereich¶

0.1 Änderungen gegenüber v0.2.0¶

Version v0.2.1 ist eine strikte Obermenge von v0.2.0. Alle mathematischen Definitionen, Invarianten, normativen Vorgabewerte und diagnostischen Anforderungen aus v0.2.0 bleiben verbindlich. v0.2.1 formalisiert vier Erweiterungen, die in der Referenzimplementierung nach der v0.2.0-Basis hinzugekommen sind:

Hintergrundgradienten-Strafe in der globalen Frame-Qualität (§1.5, §4.2).
Ein drittes globales Qualitätssignal bestraft Frames mit starkem großskaligem Hintergrundgradienten (z. B. Lichtverschmutzung, Mondglühen). Das Signal wird aus einem quadrantenbasierten Sky-Gradient-Schätzer gewonnen, nicht aus der AQMH-Quality-Map selbst. Es wird daher als zulässige Cross-Infrastructure-Erweiterung dokumentiert, die mit dem AQMH-Unabhängigkeitsprinzip (§0.3) vereinbar bleibt.
Registrierungs-Gewichtsschutz (§4.3).
Vor der pixelweisen gewichteten Rekonstruktion kann das globale AQMH-Gewicht jedes Frames mit einem Registrierungs-Konfidenzfaktor gedämpft werden, der aus dem gemeinsamen Global-Registration-Artefakt abgeleitet wird. Dieser Schutz ist eine reine Robustheitsmaßnahme; er ändert nicht die Rekonstruktionsformel und bleibt ein Frame-Multiplikator.
Adaptive Niederfrequenz-Neutralisierung und strukturmaskierte Detail-Blending (§6.3, §6.4).
Nach der gewöhnlichen AQMH-Rekonstruktion kann eine optionale Nachverarbeitung niederfrequente „Veil“-Residuen entfernen, indem eine stark geglättete Differenz zwischen dem AQMH-Ergebnis und einem uniformen Kontrollmittel (ungewichteter Mittelwert) subtrahiert wird. Anschließend wird Detail in strukturreichen Regionen selektiv zurückgeblendet. Ein Validierungsgate entscheidet, ob das neutralisierte/geblendete Ergebnis übernommen wird; andernfalls bleibt das rohe AQMH-Ergebnis erhalten. Das uniforme Kontrollmittel darf das rohe AQMH-Ergebnis nicht als stillen Fallback ersetzen.

Ziel dieser Ergänzungen ist es, das v0.2.0-Pixelqualitätsmodell zu erhalten, während drei praktische Fehlermuster reduziert werden:

Großskalige Hintergrundgradienten, die den finalen Stack dominieren würden, weil jeder Frame einen ähnlichen additiven Gradienten trägt.
Restschwächen der Registrierung (niedrige Korrelation oder tief verkettete Vorhersage-Frames), die durch hohe AQMH-Qualitätswerte verstärkt werden.
Niederfrequenter „Veil“ oder Hintergrund-Nichtlinearität, der durch die gewichtete Rekonstruktion selbst entstehen kann.

0.2 Unabhängigkeit und gemeinsame Infrastruktur¶

AQMH bleibt eine unabhängige Rekonstruktionsmethode. Sie darf gemeinsame Pipeline-Infrastruktur wiederverwenden, aber ihr Qualitätsmodell und ihre Rekonstruktionsgewichte dürfen nicht aus den lokalen/Tile-Metriken von Classic Tile Compile abgeleitet sein.

Gemeinsame Infrastruktur kann umfassen:

Input-Scan und nicht-qualitätsbasierte Eligibilitätsfilter (Lesbarkeit, Verfügbarkeit von Kalibration, explizite Benutzer-Ausschlüsse);
Kalibration und Registrierung/Prewarping;
globale photometrische Normalisierung;
globale Output-Canvas-Maske C und frame-spezifische registriert-gültige Masken M_f;
Run-Management, Logging, Artefakte, Reports, UI-Plumbing.

Der AQMH-Algorithmus selbst besteht aus:

Berechnung dichter AQMH-Quality-Maps;
pixelweiser gewichteter AQMH-Rekonstruktion;
AQMH-Diagnostik und optionaler Region-Extraktion.

Classic Tile Compile und AQMH müssen unabhängig voneinander ausführbar sein. Das Aktivieren oder Deaktivieren einer Methode darf die mathematische Definition der anderen nicht verändern.

0.3 Cross-Infrastructure-Erweiterungen¶

v0.2.1 erlaubt ausdrücklich die folgenden sorgfältig abgegrenzten Eingaben aus der gemeinsamen Infrastruktur, sofern sie dokumentiert sind und keine AQMH-eigenen Signale ersetzen:

Sky-Gradient-Zusammenfassung für die Hintergrundstrafe (§1.5).
Dies ist ein Skalar pro Frame, abgeleitet aus dem hintergrundmaskierten Eingabebild nach der Registrierung. Er wird nur innerhalb des globalen Qualitäts-Sigmoid verwendet und bleibt orthogonal zur Berechnung der within-frame Q_map.
Registrierungs-Konfidenz-Metadaten für den Gewichtsschutz (§4.3).
Dies ist ein Skalarmultiplikator pro Frame, abgeleitet aus dem bestehenden Global-Registration-Artefakt. Er modifiziert den globalen Faktor G_f, beeinflusst aber nicht Q_map.
Uniformes Kontrollmittel für die Neutralisierungsvalidierung (§6.3).
Der ungewichtete Mittelwert der registrierten Frames wird als Nebenprodukt der AQMH-Rekonstruktion berechnet (compute_uniform_control = true). Er wird nur für die Validierung und optionales Blending nach der Rekonstruktion verwendet, nicht als primärer Qualitätseingang.
PSF-FWHM-Schärfeproxy für die globale Schärfezusammenfassung g_sharp (§1.1, §4.2).
Wenn pro-Frame-Sternmetriken aus der gemeinsamen Metrik-Phase verfügbar sind, kann der Runner 1 / wfwhm (gewichteter FWHM, invertiert, so dass kleinerer FWHM einen höheren Schärfeewert ergibt) anstelle der AQMH-Map-g_sharp-Zusammenfassung verwenden. Dies ist ein Skalar pro Frame, abgeleitet aus der PSF-Sternentdeckung auf dem registrierten Frame. Er wird nur innerhalb des globalen Qualitäts-Sigmoid verwendet und bleibt orthogonal zur within-frame-Q_map-Berechnung. Die AQMH-Map-g_sharp dient als Fallback, wenn Sternmetriken nicht verfügbar oder ungültig sind. Die ausgewählte Quelle wird pro Frame als global_sharpness_source ("laplacian_variance" oder "psf_wfwhm_inverted") in aqmh_metrics.json dokumentiert.

Begründung. Das AQMH-Map-Schärfesignal Phi_sharp_0 basiert auf local_variance(laplacian), welches die lokale Hochfrequenzvarianz misst. Bei stern-dominierten Feldern ist dies ein ausgezeichneter Schärfeproxy. Bei Extended-Emission-Objekten (Galaxien, Nebel) wird dasselbe Signal jedoch von der Nebeltextur dominiert statt von der stellaren PSF-Breite, und kann positiv mit dem Seeing-FWHM korrelieren — was zu einer Inversion führt, bei der schlechtere Frames ein höheres g_sharp und damit höhere Gewichte erhalten. Der PSF-FWHM-Proxy ist immun gegen diese Inversion, da er die Sternbildbreite direkt misst, unabhängig vom Extended-Emission-Inhalt.

1. Prinzipien und Definitionen¶

1.1 Physikalisches Ziel¶

Die Methode modelliert die pixelweise Beobachtungsqualität als Produkt zweier separabler Komponenten:

Frame-Level-Qualität: der globale atmosphärische/technische Zustand des Frames f, erfasst durch den strikt positiven AQMH-Faktor G_{f,c}.
Räumliches Qualitätsfeld: die kontinuierliche Qualitätsverteilung im Frame, erfasst durch Q_map_{f,c}(x,y).

Für jeden Frame/Kanal leiten wir die globalen Pre-Z-Score-Zusammenfassungen aus seinen AQMH-Maps ab:

g_sharp_{f,c}  = median_{p source-valid}(Phi_sharp_0(p))
g_snr_{f,c}    = median_{p source-valid}(Phi_snr_1(p))

wobei der feinste verfügbare Skala verwendet wird, falls Skala 1 ausgelassen wird.

Post-v0.2.1-Erweiterung — PSF-FWHM-Schärfeproxy. Wenn pro-Frame- Sternmetriken verfügbar sind, kann der Runner g_sharp durch 1 / wfwhm (invertierten gewichteten FWHM) aus der gemeinsamen PSF-Sternentdeckungs- Phase ersetzen. Dies vermeidet eine bekannte Inversion von local_variance(laplacian) bei Extended-Emission-Objekten (§0.3). Die AQMH-Map-g_sharp wird als Fallback verwendet, wenn Sternmetriken nicht verfügbar sind. Die ausgewählte Quelle wird pro Frame als global_sharpness_source ("laplacian_variance" oder "psf_wfwhm_inverted") in aqmh_metrics.json dokumentiert.

1.2 Effektives Pixelgewicht¶

Das effektive pixelweise Rekonstruktionsgewicht ist:

W_{f,c}^{aqmh}(x,y) = G_{f,c} * Q_map_{f,c}(x,y)

v0.2.1 erlaubt zusätzlich einen Frame-weise Registrierungs-Konfidenz- Multiplikator R_f ∈ [r_floor, 1] (§4.3). Wenn aktiviert, lautet das Gewicht:

W_{f,c}^{aqmh}(x,y) = G_{f,c} * R_f * Q_map_{f,c}(x,y)

R_f ist ein gemeinsamer Infrastruktur-Schutz, kein Bestandteil des AQMH-Qualitätsmodells. Er muss in aqmh_reconstruction.json protokolliert werden.

1.3 Invarianten (verbindlich)¶

Die folgenden Invarianten aus v0.2.0 bleiben verbindlich:

Keine Frame-Selektion: Ganze Frames dürfen nicht auf Basis der Qualität entfernt werden.
Bedingte photometrische Linearität: Sobald deterministische Gewichte berechnet sind, bleibt die finale Rekonstruktion R(p) = sum_f w_f(p) * I_f(p) / sum_f w_f(p) mit w_f(p) >= 0. AQMH darf keine nichtlinearen Intensitätstransformationen auf die in den Akkumulator eingehenden Samples anwenden.
Determinismus: Alle Quality-Map-Berechnungen müssen deterministisch und reproduzierbar sein.
Canvas-Ausschluss: Canvas-ungültige Pixel werden aus allen AQMH- Akkumulatoren und Statistiken ausgeschlossen.
Keine Halluzination: AQMH-Ausgaben sind Gewichte und Masken. Es werden keine Pixelintensitäten generiert oder vorhergesagt.
Sample-Count-Suffizienz für optionale Selektionsmodi: Cherry-Pick und jeder andere per-Pixel-Selektionsmodus müssen eine dokumentierte minimale Anzahl beibehaltener Samples erzwingen; unterschreitet sie, wird der Modus automatisch deaktiviert.

v0.2.1 ergänzt die folgenden abgeleiteten Invarianten für die neuen Erweiterungen:

Cross-Infrastructure-Erweiterungen müssen monotone Frame-Level-Schütze sein.
Der Registrierungs-Gewichtsschutz und die Hintergrundstrafe dürfen das globale Frame-Gewicht nur mit einem nicht-negativen Skalar multiplizieren. Sie dürfen Q_map nicht verändern, dürfen keine pixelabhängigen Gewichte einführen und müssen unabhängig deaktivierbar sein.
Nachverarbeitung muss zwei Referenzen bestehen. Das rohe AQMH-Ergebnis A ist die unveränderliche Qualitäts-Baseline. Jeder nachverarbeitete Kandidat muss sowohl gegen das uniforme Kontrollmittel U als auch gegen A alle jeweils anwendbaren Regressionsschwellen bestehen. Besteht kein Kandidat beide Vergleiche, ist A das Endergebnis. Der Run muss den ausgewählten Kandidaten, beide Vergleiche und den Auswahlgrund aufzeichnen. Eine Verbesserung einer Einzelmetrik darf keine Lockerung einer anderen Schwelle auslösen.

1.4 Deterministische Statistik-Konvention¶

(Identisch zu v0.2.0 §1.4.)

Überall wird der robuste Z-Score verwendet: z(x) = (x - med) / (1.4826 * MAD) über finite, source-valid Samples auf derselben Aggregationsebene. Degenerierte Mengen (MAD = 0 oder weniger als drei finite Samples) erhalten für gültige Eingaben Z-Score 0 und werden andernfalls als ungültig markiert.

1.5 Globale Qualität mit Hintergrundstrafe (v0.2.1-Ergänzung)¶

v0.2.1 führt ein optionales drittes globales Qualitätssignal ein:

g_background_{f,c} = sky_gradient_f

wobei sky_gradient_f ein dimensionsloser relativer Großskalengradient ist:

sky_gradient_f = (q_max - q_min) / background_f

background_f ist der maskierte Medianhintergrund von Frame f.
Das Bild wird in vier Quadranten unterteilt. Für jeden Quadranten q wird der maskierte Medianhintergrund b_q berechnet.
q_min = min_q(b_q), q_max = max_q(b_q).

Ist background_f <= 0 oder gibt es weniger als vier gültige Quadrantenwerte, so ist die Zusammenfassung ungültig.

Die Hintergrundstrafe geht als subtraktiver Term in die globale Qualität ein:

z_s,f = robust_zscore(g_sharp)
z_n,f = robust_zscore(g_snr)
z_b,f = robust_zscore(g_background)

score_f = w_sharp * z_s,f + w_snr * z_n,f - w_background * z_b,f
G_f     = g_floor + (1 - g_floor) * sigmoid(clamp(g_k_scale * score_f, -8, 8))

mit sigmoid(v) = 1 / (1 + exp(-v)).

Post-v0.2.1-Erweiterung — Sigmoid-Temperatur und Score-Clipping. Die Implementierung multipliziert score_f mit einem konfigurierbaren Temperaturfaktor g_k_scale (Default 1.5) vor der Sigmoid-Anwendung und clippt den skalierten Score auf [-8, 8] zur numerischen Stabilität. Die v0.2.1-Referenzformel verwendet eine implizite Skalierung von 1.0 und kein Clipping. Der Temperaturfaktor ist notwendig, weil robust_zscore (MAD-basiert) typischerweise kleinere Absolutwerte liefert als Standard-z-Scores; ohne Skalierung clustern alle G_f-Werte nahe g_floor + 0.5 * (1 - g_floor), was den gewichteten Stack fast ungewichtet macht. Das Clipping ist ein Sicherheitsnetz, das in der Praxis nie aktiv wird, da einzelne z-Scores bereits auf [-5, 5] begrenzt sind, aber exp-Überlauf bei extremen Eingaben verhindert.

Die Gewichte w_sharp, w_snr, w_background werden direkt als g_w_sharp, g_w_snr, g_w_background_penalty konfiguriert. Zur Laufzeit werden sie in effektive Gewichte w_*_eff umgerechnet:

Ist ein konfiguriertes Gewicht <= 0, so ist sein effektives Gewicht 0.
Gibt es weniger als drei finite positive Zusammenfassungswerte, so ist das effektive Gewicht 0.
Ist der Variationskoeffizient CV = MAD / median der endlichen positiven Zusammenfassungswerte unter 0.01, so ist das effektive Gewicht 0. Damit wird verhindert, dass nahezu konstante Signale Rauschen verstärken und die Qualitätsrangfolge invertieren.

Die verbleibenden effektiven Gewichte werden so renormiert, dass gilt:

w_sharp_norm + w_snr_norm + w_background_norm = 1

sofern mindestens ein effektives Gewicht positiv ist. Sind alle effektiven Gewichte null, ist score_f = 0 und jeder Frame erhält dasselbe Gewicht G_f = g_floor + 0.5 * (1 - g_floor). Die absolute gemeinsame Skalierung ist für den gewichteten Mittelwert irrelevant.

Normative Vorgabewerte (v0.2.1):

Die v0.2.1-Referenzwerte sind:

g_floor = 0.05
g_w_sharp = 0.6
g_w_snr = 0.4
g_w_background_penalty = 0.3

Die aktuellen Betriebswerte (Post-v0.2.1-Revision) sind:

g_floor = 0.03
g_w_sharp = 0.55
g_w_snr = 0.30
g_w_background_penalty = 0.25

Diese wurden empirisch optimiert: der niedrigere Floor und die ausgewogeneren Gewichte verhindern, dass wenige hochwertige Frames den Stack dominieren, bei typischen Deep-Sky-Datensätzen mit moderer Frame-zu-Frame-Qualitätsvariation.

Post-v0.2.1-Erweiterung-Default:

g_k_scale = 1.5 (Sigmoid-Temperatur; 1.0 stellt die v0.2.1-Referenzformel wieder her)

Die Sigmoid-Abbildung begrenzt G_f auf [g_floor, 1]. Dadurch kann kein einzelner Frame durch ein exponentiell wachsendes globales Gewicht die lokalen Quality-Maps dominieren. Mit g_w_background_penalty = 0.0 wird nur die Hintergrundstrafe deaktiviert; die begrenzte v0.2.1-Abbildung bleibt aktiv.

Begründung. Ein starker Großskalengradient bedeutet, dass das vom SNR- Signal verwendete Hintergrundmodell (b_s in §2.3.2(b)) lokal verzerrt ist. Frames mit sehr flachem Hintergrund tendieren zu saubereren und lineareren Bedingungen; Frames mit starkem Mondglühen- oder Lichtverschmutzungsgradienten erhalten ein niedrigeres globales Gewicht, ohne jedoch ganz entfernt zu werden.

Kompatibilitätshinweis. Die Hintergrundstrafe ist nicht aus Q_map abgeleitet. Sie ist daher eine Erweiterung von v0.2.0, keine Widersprüchlichkeit. Sie muss in aqmh_metrics.json als Frame-Feld global_background_penalty_input mit der Quelle global_background_penalty_source: "sky_gradient" dokumentiert werden. Das konfigurierte Strafgewicht gehört zur AQMH-Global-Quality-Konfiguration und nicht zum Artefakt registration_weight_guard.

2. Quality-Map-Berechnung¶

2.1 Übersicht¶

Identisch zu v0.2.0. AQMH berechnet für jedes Frame/Kanal-Paar eine dichte Quality-Map durch Fusionierung mehrskaliger lokaler Schärfe-, SNR- und Artefakt-Anomalie-Signale.

2.2 Gemeinsame Vorverarbeitung¶

Identisch zu v0.2.0. Alle Frames müssen vor der AQMH-Map-Berechnung kalibriert, registriert und auf einen gemeinsamen Output-Canvas prewarped sein.

2.3 Mehrskalige Pyramide¶

Identisch zu v0.2.0 §2.3. Die vier Skalen, die Auslassungsregel, die Berechnung von Schärfe, SNR und Artefakt sowie die geometrische Mittelwertfusion bleiben unverändert.

2.4 Mehrskalen-Fusion¶

Identisch zu v0.2.0 §2.4.

Q_map_{f,c}(x,y) = ( prod_{s in S_actual} Psi_s^{up}(x,y) )^{1/P_actual}

implementiert als exp(mean_s(log(Psi_s^{up}))) mit dem Exact-Zero-Veto und dem Output-Guard.

2.5 Block-Level-Diagnose-Zusammenfassungen¶

Identisch zu v0.2.0 §2.5.

3. Quality-Map-Speicher und Speichermodell¶

Der Standard-Speichermodus ist Full-Resolution float32 mit resolution_divisor = 1. Ein optionaler Performance-Modus verwendet uint16 mit resolution_divisor = 2 für reduzierten Speicherbedarf; dies ist nicht der Standard und muss explizit berichtet werden. Cherry-Pick erfordert den Referenzmodus, weil eine reduzierte oder quantisierte Map die per-Pixel- Rangfolge verändern kann. Jeder Run muss Auflösung und Datentyp berichten.

Das Hintergrundstrafe-Signal beeinflusst den Quality-Map-Speicher nicht; es ist ein Frame-skaliger Wert, der während oder nach der Map-Berechnung ermittelt und in aqmh_metrics.json abgelegt wird.

4. Pipeline-Integration¶

4.1 AQMH-Verarbeitungsstufen¶

Identisch zu v0.2.0:

AQMH_MAPS
AQMH_GLOBAL_QUALITY
AQMH_RECONSTRUCTION
AQMH_DIAGNOSTICS
AQMH_NATIVE_BGE_INPUTS

Die Ausgabe von AQMH_RECONSTRUCTION wird zusätzlich unverändert als outputs/aqmh_reconstructed_raw.fit gespeichert. Dieses Artefakt enthält bei OSC-Daten weiterhin das CFA-Muster und ist die einzige zulässige Eingabe für ein Resume ab STACKING. reconstructed_L.fit ist kein Resume-Artefakt: Es wird in STACKING durch die skalierte Luminanzausgabe ersetzt. Fehlt das rohe Artefakt bei einem älteren Run, muss der Runner AQMH_RECONSTRUCTION aus den Map- und Prewarp-Caches erneut ausführen. Eine bereits gestackte Luminanz darf nie erneut als CFA debayert werden. Mit aqmh.reconstruction.delete_prewarped_cache_after_run: false kann der Cache cache/prewarped_frames gezielt für spätere Resumes erhalten bleiben; der Default true löscht ihn weiterhin zur Speicherplatzfreigabe.

4.2 Global-Quality-Stufe (v0.2.1-Aktualisierung)¶

Die Stufe berechnet nun pro Frame die drei Zusammenfassungsvektoren g_sharp, g_snr, g_background und übergibt sie an compute_aqmh_global_quality. Das Ergebnis ist ein Vektor G_f pro Frame.

Alle drei Eingaben werden pro Frame in aqmh_metrics.json erfasst:

global_sharpness_input
global_sharpness_source: "laplacian_variance" oder "psf_wfwhm_inverted" (Post-v0.2.1-Erweiterung)
global_snr_input
global_background_penalty_input
global_background_penalty_source: "sky_gradient"
global_quality_input_invalid
global_quality (der finale G_f)

Wenn der PSF-FWHM-Schärfeproxy verwendet wird, enthält global_sharpness_input bereits den 1 / wfwhm-Wert.

4.3 Registrierungs-Gewichtsschutz (v0.2.1-Ergänzung)¶

Vor der Rekonstruktion kann der Runner optional einen Registrierungs-Gewichtsschutz auf G_f anwenden. Er liest das gemeinsame global_registration.json-Artefakt, das pro Frame die Felder cc (Kreuzkorrelations-Konfidenz), source (Registrierungs-Quelltyp) und optional chain_depth enthalten muss.

Für jeden Frame f:

Kreuzkorrelations-Abbildung. Direkte und Referenz-Lösungen erhalten oberhalb des Floors keine kontinuierliche Dämpfung:

r_cc = cc_f >= cc_floor ? 1.0 : r_floor

Für sequenzielle, vorhergesagte, interpolierte oder unbekannte Lösungen gilt:

t = clamp( (cc_f - cc_floor) / (cc_full - cc_floor), 0, 1 )
r_cc = r_floor + (1 - r_floor) * t

mit den Vorgaben r_floor = 0.30, cc_floor = 0.35, cc_full = 0.80.

Dämpfung nach Registrierungsquelle.
Falls source == "sequential_refined": r_f *= sequential_factor (Vorgabe 0.92).
Falls source den String "predicted", "interpolated" enthält oder "unknown" ist: r_f *= predicted_factor (Vorgabe 0.50).
Kettentiefen-Dämpfung für nicht-direkte Lösungen.

depth_penalty = min( depth_max, max(0, depth_f - 1) * depth_penalty_per_step )
r_f *= (1 - depth_penalty)

mit den Vorgaben depth_penalty_per_step = 0.03, depth_max = 0.15.

Clamping.

R_f = clamp(r_f, r_floor, 1.0)

Das effektive globale Gewicht in der Rekonstruktion lautet:

G_f^{eff} = G_f * R_f

Der Schutz ist standardmäßig aktiviert (registration_weight_guard: true) und wird in aqmh_reconstruction.json unter registration_weight_guard berichtet.

Begründung. Tief verkettete oder schwach korrelierte Frames können die Eligibilitätsfilterung überstehen, aber dennoch eine geringere Registrierungsgenauigkeit besitzen. Der Schutz verhindert, dass hohe AQMH-Qualitätswerte Registrierungsfehler verstärken. Da er ein Multiplikator aus der gemeinsamen Infrastruktur ist, wird er als Robustheits- erweiterung dokumentiert, nicht als Bestandteil des AQMH-Kernqualitätsmodells.

4.4 Vorverarbeitung der Registrierungs-NCC (v0.2.1-Ergänzung)¶

Vor den NCC-Vergleichen der Registrierung werden die normalisierten Proxy-Bilder für eine robuste Korrelation vorbereitet:

Begrenze das Proxy-Bild auf nichtnegative Werte, um negative Werte aus der Hintergrundsubtraktion zu entfernen.
Wende einen Gaussian-Blur mit sigma = 1.5 px an, um den Einfluss von Hotpixeln und isolierten Defekten zu reduzieren.
Berechne sowohl die Identity-Overlap-NCC als auch die Warped-Overlap-NCC aus diesen vorbereiteten Bildern.

Ein Near-Identity-Ergebnis wird nur akzeptiert, wenn alle folgenden Bedingungen erfüllt sind:

Die Gesamtverschiebung ist kleiner als star_inlier_tol_px.
Die absolute Rotation liegt unter 0.1°.
Die Warped-NCC liegt höchstens 0.02 unter der Identity-Overlap-NCC.
Die Identity-Overlap-NCC ist größer als 0.7.

Die letzte Bedingung verhindert, dass eine nahezu nullgroße Verschiebung mit niedriger Korrelation akzeptiert wird, nur weil der Optimierer keine sinnvolle Verschiebung gefunden hat. Diese Registrierungsänderung liegt vor AQMH und verändert Q_map nicht; sie verbessert die Zuverlässigkeit der Metadaten cc, source und chain_depth, die vom Registrierungs-Gewichtsschutz genutzt werden.

5. Pixelweise gewichtete Rekonstruktion¶

5.1 Rekonstruktionsformel¶

Identisch zu v0.2.0. Für jeden Output-Kanal:

R(p) = sum_{f in V_c^I(p)} w_f(p) * I_f(p) / sum_{f in V_c^I(p)} w_f(p)

wobei w_f(p) = G_f^{eff} * Q_map_{f,c}(p) und V_c^I(p) die Menge der Frames mit finite Intensität und finite Quality-Map an Pixel p ist.

Der geometrische Support jedes registrierten Frames ist Bestandteil von V_c^I(p). Prewarp-Pixel außerhalb dieses Supports müssen als ungültig (NaN plus Frame-Support-Maske) erhalten bleiben; nullgefüllte Warpränder dürfen niemals als reale Intensitätswerte in AQMH eingehen. Dabei gelten drei getrennte Maskenrollen:

Die Frame-Support-Maske beschreibt, welche Pixel ein einzelner Frame liefert.
Die Common-Overlap-Maske dient ausschließlich Analyse, Validierung und Kalibrierung mit der konfigurierten Mindestüberdeckung.
Die Output-Maske ist die Vereinigung der Frame-Support-Masken und erhält alle tatsächlich rekonstruierbaren Randstrukturen.

Die Common-Overlap-Maske darf weder die AQMH-Rekonstruktion noch BGE-, PCC- oder HMS-Ausgaben auf den gemeinsamen Kern beschneiden. Pixel, welche min_n_eff nicht erfüllen, bleiben als nicht ausreichend gestützte Pixel diagnostizierbar; ihre Existenz darf jedoch nicht dazu führen, dass gültige Nachbarpixel aus wenigen Frames mit nicht vorhandenen Nullsamples verdünnt werden.

5.2 Sigma-Clipping und effektive Sample-Suffizienz¶

Iteratives asymmetrisches Sigma-Clipping verwendet standardmäßig clip_sigma_low = 2.0, clip_sigma_high = 2.0 und clip_iterations = 4. Die strengere Oberseite unterdrückt positive Ausreißer wie Satellitenspuren, Hotpixel und nicht vollständig maskierte Sterne, ohne die Unterseite gleich stark abzuschneiden. Es gelten außerdem min_n_eff = 2.0 und min_fraction = 0.40. Reicht die Sample-Suffizienz nicht aus, darf kein scheinbar qualitätsverbesserter Wert aus einer zu kleinen Restmenge entstehen.

5.3 Cherry-Pick-Stacking-Modus¶

Identisch zu v0.2.0 §5.3. Das Run-Level-K_nominal_median-Floor, die Per-Pixel-Regel K(p) = max(k_min_required, K_nominal(p)), Tiering und die Rank-Separation-Diagnostik bleiben unverändert.

6. Robustheits-Erweiterungen nach der Rekonstruktion (v0.2.1)¶

6.1 Uniformes Kontrollmittel¶

Wenn compute_uniform_control: true gesetzt ist, berechnet die Rekonstruktionsroutine zusätzlich den ungewichteten Mittelwert der registrierten Frames über dieselbe Menge gültiger Pixel. Dieses Mittel wird uniformes Kontrollmittel U(p) genannt:

U(p) = sum_{f in V_c^I(p)} I_f(p) / |V_c^I(p)|

U(p) ist kein qualitätsgewichtetes Ergebnis; es ist ein diagnostischer Referenzwert.

6.2 Validierungsmetriken¶

Das rohe AQMH-Ergebnis A(p) wird mit U(p) verglichen. Jeder nachverarbeitete Kandidat wird zusätzlich mit A(p) verglichen. Dazu dienen dieselben Metriken wie die v0.2.0-Validierung:

seam_score_regression
fwhm_regression
background_rms_regression
tail11_abs_regression
elongation_regression

background_rms bezeichnet dabei nicht die globale Helligkeitsstreuung des Bildes. Es wird robust aus horizontalen und vertikalen Pixel-Differenzen bestimmt (1,4826 * MAD(diff / sqrt(2))). Dadurch werden langsam veränderliche Nebel-, Galaxien- und IFN-Strukturen nicht als Hintergrundrauschen klassifiziert.

Für Tail- und Elongationsmetriken werden Sterne genau einmal in der jeweiligen Referenz erkannt und anschließend in Kandidat und Referenz an denselben Koordinaten vermessen. Unabhängige Sternerkennungen sind für einen Regressionsvergleich unzulässig, weil sie unterschiedliche Sternpopulationen und damit eine künstliche Regression erzeugen können. Tail und Elongation sind nur bei mindestens zwölf gemeinsam messbaren Sternen anwendbar.

Diese Vergleiche und ihre Anwendbarkeit werden in aqmh_reconstruction.json protokolliert. Nicht anwendbare Metriken gelten nicht als Fehler, dürfen aber auch nicht als Verbesserung ausgelegt werden.

6.3 Adaptive Niederfrequenz-Neutralisierung¶

Ist das uniforme Kontrollmittel U(p) verfügbar, wird ein optionaler neutralisierter Kandidat N(p) berechnet:

L(p) = GaussianBlur( A(p) - U(p), sigma = 96 px )
N(p) = A(p) - L(p)

Das Blurring verwendet den Reflektionsrandmodus REFLECT101. Die Sigma von 96 px wurde empirisch gewählt, um großskalige „Veil“-Residuen anzugehen, ohne Struktur auf kleineren Skalen zu beeinträchtigen.

Die Vergleiche compare(N, U) und compare(N, A) werden berechnet. N(p) wird gegenüber A(p) nur dann ausgewählt, wenn der Hintergrundvergleich anwendbar ist, A gegenüber U tatsächlich einen schlechteren Hintergrund besitzt, N diesen verbessert und beide Vergleiche alle Schwellen bestehen:

background_rms_regression(N, U) < background_rms_regression(A, U)
background_rms_regression(A, U) > 0
gate(N, U) && gate(N, A)

Das ausgewählte Basisbild wird B(p) genannt (entweder A(p) oder N(p)).

Begründung. Der per-Pixel-gewichtete Mittelwert kann in seltenen Fällen eine niederfrequente Residuum erzeugen, die glatter ist als der wahre Hintergrund. Die Subtraktion des geglätteten Unterschieds zum ungewichteten Mittel entfernt diese additive Niederfrequenzkomponente, während höherfrequentes Detail erhalten bleibt.

6.4 Strukturmaskiertes Detail-Blending¶

Nach Auswahl der Basis B(p) wird ein zweiter optionaler Kandidat berechnet, der AQMH-Detail in strukturreichen Regionen bewahrt, während der glattere Hintergrund von B(p) erhalten bleibt:

Berechne die Gradientenbetrag grad(U) des uniformen Kontrollmittels.
Erstelle eine weiche Strukturmaske M_s(p), indem der Gradientenbetrag von dem Quantil low_q = 0.40 auf das Quantil high_q = 0.90 auf [0, 1] abgebildet und anschließend mit sigma = 4 px geglättet wird. Die v0.2.1-Referenzwerte waren low_q = 0.70, high_q = 0.97, sigma = 2 px; die aktuellen Betriebswerte wurden erweitert, um mittelgradientige Struktur (Spiralarme, Staubbänder) zu erhalten, die der ursprünglich enge Bereich unterdrückte.
Berechne den Detail-Kandidaten:

D(p) = U(p) + M_s(p) * (B(p) - U(p))

In strukturreichen Regionen (M_s ≈ 1) folgt D(p) der AQMH-Basis; in glatten Regionen (M_s ≈ 0) folgt es dem uniformen Kontrollmittel.

D(p) wird akzeptiert, wenn er alle Validierungsschwellen sowohl gegen U als auch gegen die unveränderliche Baseline A besteht:

background_rms_regression(D, U) <= max_background_rms_regression
fwhm_regression(D, U)            <= max_fwhm_regression
seam_score_regression(D, U)      <= max_seam_score_regression
tail11_abs_regression(D, U)      <= max_tail11_abs_regression
elongation_regression(D, U)      <= max_elongation_regression
gate(D, A)

und zumindest FWHM oder Seam-Score gegenüber U verbessert.

Schlägt D(p) fehl, wird eine Alpha-Blend-Attenuierung über alpha ∈ [0, 1] gesucht:

D_alpha(p) = U(p) + alpha * M_s(p) * (B(p) - U(p))

Das größte alpha, das gate(D_alpha, U) und gate(D_alpha, A) besteht und FWHM oder Seam-Score gegenüber U verbessert, wird ausgewählt. Gibt es kein alpha > 0, das beide Vergleiche besteht, bleibt die bereits validierte Basis B(p) erhalten.

6.5 Finales Schutzgate¶

Nach der gesamten Nachverarbeitung wird das ausgewählte Ausgabebild O(p) nochmals gegen U(p) und die unveränderliche Raw-AQMH-Baseline A(p) validiert. Falls gilt:

background_rms_regression(O, U) > max_background_rms_regression

oder eine andere konfigurierte Schwelle überschritten wird, verwirft der Runner den nachverarbeiteten Kandidaten und gibt A(p) aus. U(p) bleibt ausschließlich eine diagnostische Referenz. Ein Blend in Richtung U(p) ist unzulässig, weil ein solcher Blend schwache diffuse Signale entfernen kann, während einseitige Rauschmetriken scheinbar besser werden.

6.6 Reporting-Anforderungen¶

aqmh_reconstruction.json muss enthalten:

low_frequency_neutralization_applied (true/false)
low_frequency_neutralization_evaluated (true/false)
low_frequency_neutralization (Vergleichsmetriken plus sigma_px)
structure_masked_detail_applied (true/false)
structure_masked_detail_alpha (finale Blend-Alpha, falls Attenuierung verwendet wurde)
structure_masked_detail_validation
uniform_control_gate_triggered (true/false)
raw_aqmh_validation
final_vs_raw_aqmh_validation
raw_aqmh_preserved_by_guard (true/false)
selected_candidate

7. Validierung¶

7.1 Regressionsvalidierung gegen das Uniforme Kontrollmittel¶

Identisch zu v0.2.0 §9. Das rekonstruierte Ergebnis wird mit dem uniformen Kontrollmittel verglichen. Regressionsschwellen:

Aktuelle Betriebswerte (Post-v0.2.1-Revision):

max_seam_score_regression = 0.05
max_fwhm_regression = 0.02
max_background_rms_regression = 0.05
max_tail11_abs_regression = 0.10
max_elongation_regression = 0.08

Die v0.2.1-Referenzwerte waren 0.02 für Seam/FWHM/Hintergrund und 0.05 für Tail/Elongation. Die aktuellen Werte sind weiter für Seam, Hintergrund, Tail und Elongation, um Fehlablehnungen bei realen Datensätzen zu reduzieren, wo sub-Schwellen-Regressionen häufig sind und keine bedeutsame Qualitätsminderung anzeigen.

7.2 Zero-Veto-Test¶

Identisch zu v0.2.0. Sind alle Gewichte null, muss die Ausgabe null sein, kein ungewichteter Mittelwert.

7.3 Keine Strukturinjektion¶

Identisch zu v0.2.0. Die AQMH-Ausgabe darf keine Struktur einführen, die das uniforme Kontrollmittel um mehr als die konfigurierten Regressionsschwellen übersteigt.

8. Diagnostik¶

Identisch zu v0.2.0 §6 und §7, ergänzt um die in §6.6 genannten Felder.

Per-Frame-Diagnostiken in aqmh_metrics.json umfassen:

map_mean, map_p10, map_p90
artifact_frac
sharpness_p50, snr_p50
n_regions
global_quality
global_sharpness_input, global_snr_input
global_sharpness_source: "laplacian_variance" oder "psf_wfwhm_inverted" (Post-v0.2.1-Erweiterung)
global_background_penalty_input und global_background_penalty_source: "sky_gradient" (v0.2.1)
global_quality_input_invalid

9. Konfigurationszusammenfassung¶

9.1 Daten und Pipeline¶

data.color_mode: OSC für One-Shot-Color-Daten.
data.bayer_pattern: Standard auto. Die FITS-Header-Werte BAYERPAT und COLORTYP haben Vorrang; ein Config-Wert wird nur als Fallback verwendet, wenn der Header keine Bayer-Metadaten enthält. Diese Änderung wurde eingeführt, damit Beispiel-Config-Defaults Kamera-Metadaten nicht überschreiben.

9.2 AQMH-Kernparameter (unverändert gegenüber v0.2.0)¶

aqmh.pyramid.scales = 4
aqmh.pyramid.base_window_px = 4
aqmh.pyramid.w_sharp = 0.6
aqmh.pyramid.w_snr = 0.4
aqmh.pyramid.k_artifact = 3.0
aqmh.pyramid.frac_artifact_max = 0.25
aqmh.storage.resolution_divisor = 1
aqmh.storage.dtype = "float32"

9.3 Globale Qualität (v0.2.1)¶

aqmh.global_quality.g_floor = 0.03
aqmh.global_quality.g_w_sharp = 0.55
aqmh.global_quality.g_w_snr = 0.30
aqmh.global_quality.g_w_background_penalty = 0.25
aqmh.global_quality.g_k_scale = 1.5 (Post-v0.2.1-Erweiterung; 1.0 stellt die v0.2.1-Referenzformel wieder her)

Die v0.2.1-Referenzwerte waren g_floor=0.05, g_w_sharp=0.6, g_w_snr=0.4, g_w_background_penalty=0.3.

Mit g_w_background_penalty = 0.0 wird die Hintergrundstrafe deaktiviert; die begrenzte v0.2.1-Sigmoid-Abbildung bleibt aktiv.

9.4 Registrierungs-Gewichtsschutz (v0.2.1)¶

aqmh.reconstruction.registration_weight_guard = true
aqmh.reconstruction.registration_weight_floor = 0.30
aqmh.reconstruction.registration_cc_floor = 0.35
aqmh.reconstruction.registration_cc_full = 0.80
aqmh.reconstruction.registration_sequential_factor = 0.92
aqmh.reconstruction.registration_predicted_factor = 0.50
aqmh.reconstruction.registration_chain_depth_penalty = 0.03
aqmh.reconstruction.registration_chain_depth_max_penalty = 0.15

9.5 Neutralisierung und Blending (v0.2.1)¶

Neutralisierungs-Blur-Sigma: 96 px (fest verdrahtet).
Strukturmaske-Quantile: low_q = 0.40, high_q = 0.90.
Strukturmaske-Blur-Sigma: 4 px.
Sigma-Clipping: low = 2.0, high = 1.5, 4 Iterationen.
Die Validierungsschwellen stammen aus aqmh.validation.

Die v0.2.1-Referenzwerte waren low_q=0.70, high_q=0.97, Blur-Sigma 2 px; die aktuellen Betriebswerte sind weiter, um mittelgradientige Struktur zu erhalten.

9.6 Cherry-Pick (unverändert)¶

aqmh.cherry_pick.enabled = false standardmäßig.
k_frac = 0.30
k_min_required = 20
margin_min = 0.02

10. Konformitätsaussage¶

Ein Run ist v0.2.1-konform, genau dann wenn:

Er alle verbindlichen Invarianten von v0.2.0 (§1.3) einhält.
Er Q_map gemäß §2 und §3 berechnet und den verwendeten Speichermodus berichtet; Cherry-Pick verwendet zwingend Full-Resolution-Float32.
Er die globale Qualität mit der erweiterten Formel aus §1.5 berechnet, wenn g_w_background_penalty > 0, oder mit der v0.2.0-Formel, wenn der Wert 0 ist.
Er den Registrierungs-Gewichtsschutz wie in §4.3 beschrieben anwendet, wenn er aktiviert ist, und das Ergebnis protokolliert.
Er die Nachverarbeitungs-Validierung und die optionale Neutralisierung gemäß §6 durchführt und den ausgewählten Kandidaten sowie eventuelle Rückfälle aufzeichnet.
Er aqmh_metrics.json, aqmh_reconstruction.json und alle erforderlichen Diagnosefelder erzeugt.

Ein Run ist strikt v0.2.0-konform, wenn g_w_background_penalty = 0, registration_weight_guard = false und alle Nachverarbeitungs- erweiterungen deaktiviert sind. Ein solcher Run ist eine gültige Teilmenge von v0.2.1.

11. Referenzen¶

aqmh_methodik_en_v0.2.0.md — Basismethodik.
tile_compile_cpp/include/tile_compile/config/configuration.hpp — Konfigurationsstrukturen.
tile_compile_cpp/src/metrics/aqmh_global_quality.cpp — Berechnung der globalen Qualität.
tile_compile_cpp/apps/runner_phase_aqmh_reconstruction.cpp — Registrierungs-Gewichtsschutz, Neutralisierung und Blending.
tile_compile_cpp/src/metrics/aqmh_quality_map.cpp — Quality-Map- Berechnung.
tile_compile_cpp/src/reconstruction/aqmh_reconstruction.cpp — Gewichtete Rekonstruktion und Cherry-Pick-Logik.