Tecnologia Científica

Mais nítido do que nunca: novo algoritmo coloca as estrelas em maior foco
Matemáticos aplicados e astrônomos da Johns Hopkins desenvolveram um novo método para tornar imagens de telescópios terrestres tão nítidas quanto aquelas tiradas do espaço, um processo que deve expandir os benefícios...
Por Doug Donovan - 29/09/2025


Comparação de uma imagem da Hyper Suprime-Cam, uma câmera de campo ultralargo montada no Telescópio Subaru (à esquerda), com uma imagem produzida pelo novo algoritmo ImageMM (à direita). A imagem à esquerda tem qualidade semelhante às imagens normalmente usadas na prática. Crédito: Universidade Johns Hopkins


Matemáticos aplicados e astrônomos da Johns Hopkins desenvolveram um novo método para tornar imagens de telescópios terrestres tão nítidas quanto aquelas tiradas do espaço, um processo que deve expandir os benefícios dos instrumentos terrestres.

Usando algoritmos que podem eliminar a interferência atmosférica, os pesquisadores tornaram possível que telescópios terrestres produzissem algumas das imagens mais profundas e nítidas de estrelas distantes, galáxias e outros elementos cósmicos necessários para estudar as origens e a estrutura do universo.

Detalhes sobre a ferramenta de aprimoramento de imagem são publicados no The Astronomical Journal .

"Ao aguçar nossa visão do céu, podemos ver alvos mais distantes e mais tênues, expandindo o limiar do que é detectável", disse Tamás Budavári, astrônomo e matemático da Universidade Johns Hopkins que liderou a pesquisa. "Isso nos dará imagens mais bonitas do céu noturno, mas não apenas para diversão acadêmica. Abrirá novas oportunidades para aprimorar a pesquisa cosmológica e revolucionar a forma como processamos e entendemos as observações astronômicas ."

Mesmo os telescópios terrestres mais potentes têm dificuldade para observar o céu porque a atmosfera terrestre está em constante fluxo. Variações de temperatura, pressão e outras condições atmosféricas causam distorções sutis, mas importantes, na forma como a luz refrata ao passar pela atmosfera — especialmente para fontes de luz fracas.

Técnicas tradicionais para processar essas distorções atmosféricas historicamente têm tido dificuldades para produzir imagens de alta qualidade, pois borram detalhes finos ou introduzem artefatos granulados, disse Budavári. A nova solução, chamada ImageMM, aprimora as imagens de telescópios modelando como a luz de objetos celestes viaja e como as mudanças nas condições em diferentes camadas da atmosfera influenciam essas ondas de luz.

"Pense na atmosfera como uma cortina transparente e inquieta, em constante movimento e cintilação, de modo que a cena por trás dela sempre pareça borrada", disse Yashil Sukurdeep, matemático da Johns Hopkins que desenvolveu o algoritmo. "Nossos algoritmos aprendem a enxergar além dessa cortina, reconstruindo a imagem nítida e estática escondida atrás dela.

Utilizando técnicas matemáticas avançadas, conseguimos produzir a visão mais nítida possível, revelando o céu noturno com uma clareza impressionante. Batizamos nosso algoritmo de ImageMM porque, em sua essência, ele se baseia no método de Majorização-Minimização (MM) — uma técnica matemática elegante que adaptamos de uma nova maneira para explorar o cosmos.

Os primeiros testes do novo método restauraram imagens borradas e com ruído do Telescópio Subaru, um dos maiores do mundo, em questão de segundos. As imagens reprocessadas revelaram detalhes como a intrincada estrutura de galáxias espirais com uma clareza sem precedentes. Elas foram adquiridas especificamente pelo Telescópio Subaru no cume do Mauna Kea, no Havaí, para testar exposições de qualidade semelhante às futuras capturas do Observatório Vera C. Rubin, uma instalação de última geração no Chile que começará a operar este ano.

"Os astrônomos já possuem ferramentas muito sofisticadas para analisar dados de imagens de telescópios, mas elas não removem todo o ruído, não removem todo o desfoque e não lidam muito bem com valores de pixels ausentes", disse Sukurdeep. "Nossa estrutura consegue recuperar uma imagem quase perfeita a partir de uma série de observações imperfeitas. Nunca teremos a verdade básica, mas acreditamos que isso é o mais próximo que podemos chegar da perfeição atualmente."


Embora os algoritmos possam processar dados novos e antigos de vários observatórios, eles estão sendo adaptados para o próximo levantamento do céu do Observatório Rubin, com o objetivo de coletar grandes quantidades de dados sobre energia escura e matéria escura. Acredita-se que esses dois componentes misteriosos do cosmos sejam responsáveis por acelerar a expansão do universo e manter as galáxias unidas.

"É fundamental que os astrônomos meçam com precisão as formas dos objetos, não apenas para analisar a morfologia de galáxias individuais, mas também para analisar estatisticamente suas distorções, decorrentes da matéria escura e de outros efeitos gravitacionais", disse Budavári. "Quando se trata de observatórios terrestres bilionários, obter até mesmo um pequeno grau de profundidade e melhoria na qualidade dessas observações pode ser enorme."

Embora os telescópios espaciais tenham uma capacidade superior de capturar imagens extremamente profundas e de alta resolução, eles só conseguem capturar uma pequena parte do céu observável, disse Budavári. Ao longo de seus 34 anos de vida útil, o Telescópio Espacial Hubble fotografou apenas cerca de 0,1% do céu, segundo a NASA. Em vez disso, instalações terrestres, como o Observatório Rubin, capturam imagens de todo o céu visível a cada poucos dias.

"Com a nossa técnica, podemos transformar centenas de observações em imagens quase comparáveis às que só conseguíamos obter com um telescópio espacial antes", disse Budavári. "Claro que isso é idealista, mas esse é realmente o objetivo aqui: remover a atmosfera."


Mais informações: Yashil Sukurdeep et al, ImageMM: Restauração conjunta de imagens multiquadro e super-resolução, The Astronomical Journal (2025). DOI: 10.3847/1538-3881/adfb72 . iopscience.iop.org/article/10. … 847/1538-3881/adfb72

Informações do periódico: Astronomical Journal 

 

.
.

Leia mais a seguir