インテグレーションのリジェクション：アルゴリズムの選び方と Rejection Map の読み方
インテグレーション時の「リジェクション」とは、複数の画像を重ね合わせる過程で、そこにあってはならない外れ値——人工衛星の軌跡、宇宙線による白い斑点、残留したホットピクセル、明るすぎる星像の周辺部など——を自動的に取り除くことです。適切なリジェクションアルゴリズムを選び、そこから出力される Rejection Map を読み解けるようになることが、クリーンな一枚を作り上げる鍵になります。この記事では、リジェクションアルゴリズムの選択ロジックと、見過ごされがちなあの二枚のリジェクションマップをどう読むべきかを整理します。
リジェクションアルゴリズムのファミリー
PixInsight のインテグレーションでは、いくつかのリジェクションアルゴリズムが用意されています。公式ドキュメントには各アルゴリズムが適した場面が挙げられていて、一読の価値があります（ただしこのドキュメントは発表からかなり経っており、後から追加された GESD アルゴリズムは扱われていない点に注意してください）。
大きく二つに分けられます。
- Sigma ファミリー：標準偏差をベースにした外れ値の除去で、たとえば Sigma Clipping、その改良版である Winsorized Sigma Clipping、そして Percentile Clipping などです。原理も数学も同じ体系に属します。
- GESD Test：Grubbs’s test をベースにしており、理論も数学も sigma-based のものとはまったく異なります。比較的後から追加されたアルゴリズムです。
GESD vs Sigma：枚数が少ないときはどちらが勝つ？
実際に比較してみたことがあります。あるとき、わずか 12 枚しかないデータで、GESD Test、Winsorized Sigma Clipping、そして従来の Sigma Clipping を同時に走らせてみました。
12 枚というのは、実のところ GESD や Winsorized Sigma の推奨枚数を満たしていないのですが、このセットでは GESD Test の効果がかえって最も良かった のです。ただし一つ後日談として補足しておくと、カラーで、しかも枚数が足りない場合は、やはり Winsorized Sigma か Sigma の方が適しています。つまり「常に最良」というアルゴリズムはなく、データ次第だということです。
GESD で淡い衛星軌跡に立ち向かう
GESD にはもう一つ実戦での利点があります。以前 sigma ファミリーでインテグレーションしていた頃、比較的淡い衛星軌跡がどうしてもリジェクトされず、17 枚あってもインテグレーション後に軌跡の一部が残ってしまう、ということがよくありました。しかもこの種の淡い軌跡は、manual selective rejection（手動で黒く塗りつぶす方法）には向きません。
GESD Test に切り替え、パラメータを適切に調整したうえで、淡い衛星軌跡を膨張（成長）させたところ、非常に淡い軌跡の除去に成功しました。そして一般的に言って、GESD の S/N 比は従来の Sigma Clipping や Winsorized Sigma Clipping よりも高くなります。（とはいえ、ほとんどの場合、sigma ファミリーでこのように取り除けない問題に出くわすことはなく、これはかなり極端な個別ケースです。）
特殊兵器：Range Clipping
統計的な外れ値の除去のほかに、もう一つ「力技」ながら便利な手段があります——Range Clipping です。
もしダーク補正がうまくいかず、黒点がたくさん出てしまった画像（たとえば 10 枚には出ていて、5 枚には出ていない、といったもの）を抱えているなら、正規のリジェクションアルゴリズムで外れ値を拾ってこれらの黒点を取り除くのは困難です。そんなときはインテグレーション時に Range Low Clipping を使い、ある閾値を下回る黒点をすべて強制的に除去できます。これは特定の欠陥をねらった直接的な手段で、統計的なリジェクションと補い合う関係にあります。
Rejection Map を読み解く
ImageIntegration や WBPP でインテグレーションすると、完成した画像のほかに二枚のリジェクションマップが生成されます。一枚は高輝度方向（rejection high）、もう一枚は低輝度方向（rejection low）のものです。ほとんどの人はこの二枚をそのまま無視してしまいますが——これは実に有用な診断情報を無駄にしていることになります。
たいてい rejection low には見るべきものがなく、重要なのは rejection high です。ここには、あなたが「完成画像に出てほしくない」と思うさまざまな干渉が現れます——衛星軌跡、明るすぎる星や肥大した星の周辺部、地球近傍天体の軌跡、さらにはホットピクセルや宇宙線による白い斑点など（ホットピクセルは私はたいていインテグレーション前に Cosmetic Correction で消しておくので、ここに出てくる数は多くありません）。
このマップの最も実用的な読み方はこうです。取り除きたかったピクセルが rejection high に出ていれば、それはうまく除去されたということ。逆に、ここに出ておらず、インテグレーションした完成画像に残っている場合（たとえば残留した衛星軌跡）は、リジェクションのパラメータが足りないか、アルゴリズムを変えるべきだということ です。
よくある「この一枚を外すべき？」という疑問
上の原理を理解すれば、初心者が悩む多くのことに明快な答えが出ます。
星像が肥大した画像は、インテグレーションから外すべき？ ピンぼけでない限り、私はたいていインテグレーションに参加させます。
rejection high を見れば、それらの過大な範囲や明るすぎる星の部分は、すでにリジェクションによって取り除かれ、インテグレーションの演算には参加していないことがわかります。人工衛星の軌跡や宇宙線による白い塊も同じく rejection high に落ちます。この手の作業はソフトウェアに任せておけばよいのです。
明るい衛星軌跡が対象を貫いている場合、その一枚を手動で削除すべき？ 答えは同じく、その必要はありません。
やり方はこうです。枚数が少ない場合は、リジェクション能力の高いアルゴリズム（たとえば Sigma Clipping ファミリー）を選び、Sigma High パラメータを少し厳しめに（たとえば 2.5 以下に）設定します。ある例では、わずか 7 枚のうち一枚に衛星軌跡が対象を横断していて、一枚一枚が S/N 比にとって重要でした。そこで適切なパラメータを設定（ソフトのデフォルト値は使わず）することで、インテグレーションの処理に自動でリジェクションを完了させ、うまく除去された軌跡は rejection high に現れました。苦労して手に入れた一つひとつのピクセルを、決して無駄にしないでください。
欠陥列という例外：リジェクションでは救えない
最後に、リジェクションでは救えない例外を一つ補足しておきます——CCD の欠陥列（defect column）です。
欠陥列は暗すぎるうえに列全体を貫いており、無理にリジェクションで取り除こうとすると、良いピクセルを犠牲にしすぎるわりに効果も芳しくありません。正しいやり方は、まずカメラ用の Defect Map を作ることです（「ラテ」の 16803 CCD を例にとると、画面中央に明らかな欠陥列が一本、それに目立たない欠陥列が三本あります）。これを DefectMap プロセスで読み込んでライトフレームに適用し、欠陥列の影響を大きく軽減したうえで、残った部分をインテグレーションのリジェクションに軽く片づけてもらいます。つまり、リジェクションは最後に登場する掃除係であって、万能の第一防衛線ではないということです——専用ツールで処理すべき欠陥は、やはり先に適切なツールで対処しなければなりません。