CN102081793A - 星空背景图像帧转移型CCD传感器Smear效应亮线消除方法 - Google Patents

Abstract

本发明公开了一种星空背景图像帧转移型CCD传感器Smear效应亮线消除方法，用于解决现有的星图smear效应亮线去除算法在去除smear亮线的同时将亮线上的恒星和目标去掉的技术问题。技术方案是利用各列灰度统计、检测出现smear效应亮线的位置。由于在出现smear效应亮线上的恒星和目标的灰度值也是普遍高于smear效应亮线的平均灰度值，利用这一信息对这些列再进行一次直方图统计求出本列的背景灰度平均值，然后利用高斯分布的3δ原理，得到区分背景和恒星的阈值，在进行去除smear效应亮线的时候大于这一阈值的区域不变，对小于这一阈值的区域再利用双三次插值，在去掉smear效应亮线的同时保存了亮线上的恒星和目标。

Description

星空背景图像帧转移型CCD传感器Smear效应亮线消除方法

技术领域

本发明涉及一种星空背景图像Smear效应亮线消除方法，特别是一种星空背景图像帧转移型CCD传感器Smear效应亮线消除方法。

背景技术

文献“星图中亮线的自动检测算法，光电技术应用，2009，Vol.24(4)，p41-44”公开了一种星图smear效应亮线的去除算法。该方法利用恒星成像在频域中的各向同性性质和Fourier变换的自配准性质对smear效应亮线进行自动检测，并分别在空域和频域对smear效应亮线进行修复。其中，文献在空域中使用中值滤波方法进行修复，而在频域使用线性、三次样条插值、多项式拟合插值等方法对smear效应亮线进行修复。文献所述方法在检测smear效应亮线时对整幅图像进行Fourier变换，但在实际中星空图像背景大部分为黑色，恒星及目标点等只占图像少部分，而在出现smear效应亮线的几列灰度和将会高出其他列的灰度和，因此只需要对原图进行列统计求出每列的灰度和并找到极值点即可检测出smear效应亮线所在的位置，而使用Fourier变换则增加了检测的复杂度；在消除smear效应亮线时，文献在空域使用了中值滤波方法，在频域使用插值的方法，会导致增加新的噪声点，而且文献并没有考虑当在smear效应亮线上存在恒星或目标时，有可能会在去除smear效应亮线的同时将亮线上的恒星和目标去掉，这样会对以后的目标检测带来困难。

发明内容

为了克服现有的星图smear效应亮线去除算法在去除smear亮线的同时将亮线上的恒星和目标去掉的不足，本发明提供一种星空背景图像帧转移型CCD传感器Smear效应亮线消除方法。该方法利用各列灰度统计、检测出现smear效应亮线的位置。由于在出现smear效应亮线上的恒星和目标的灰度值也是普遍高于smear效应亮线的平均灰度值，利用这一信息对这些列再进行一次直方图统计求出本列的背景灰度平均值，然后利用高斯分布的3δ原理，得到区分背景和恒星的阈值，在进行去除smear效应亮线的时候大于这一阈值的区域不变，对小于这一阈值的区域再利用双三次插值，可以在去掉smear效应亮线的同时保存亮线上的恒星和目标。

本发明解决其技术问题所采用的技术方案：一种星空背景图像帧转移型CCD传感器Smear效应亮线消除方法，其特点是包括下述步骤：

(a)将星空观测图像描述为：

I(x，y)＝I_S(x，y)+I_B(x，y)+I_N(x，y)+I_L(x，y)    (1)

式中，I(x，y)为观测相机CCD焦平面获取的观测图像；(x，y)为像素点的坐标，且1≤x≤M，1≤y≤N，其中M＝1024，N＝1024为图像的大小；I_S(x，y)为目标图像，包括恒星和空间目标观测图像；I_B(x，y)为星空背景图像；I_N(x，y)为噪声图像，包括空间辐射噪声、CCD固定噪声，并假设I_N(x，y)服从零均值高斯噪声；I_L(x，y)为Smear图像；

对每列y分别统计灰度和T_y，如公式(2)所示：

$T_y=\underset{x=1}{\overset{M}{\mathrm{\Σ}}}I(x,y)---\left(2\right)$

式中，y表示图像中的第y列，1≤y≤N(N＝1024)，x表示图像中的第x行，I(x，y)为(x，y)坐标位置处的灰度值；阈值T通过下式确定：

T＝μ_B+λ·σ_B    (3)

$R_L\left(y\right)=\left\{\begin{array}{cc}1& T_y>T\\ 0& \mathrm{else}\end{array}\right.---\left(4\right)$

式中，μ_B为统计的图像背景均值，σ_B为统计的图像背景标准差，λ背景标准差系数；

检测出直方图中的局部极大值，即为smear效应亮线出现的位置；

(b)检测出smear效应亮线后，再对检测出的smear效应亮线所在列进行灰度直方图统计，得到smear效应亮线所在列的背景均值，然后利用高斯分布的3δ原理，得到区分背景和恒星的阈值T′；

T′＝μ′_B+3·σ′_B    (5)

式中，μ′_B为对应smear效应亮线所在列的背景均值，σ′_B为对应smear效应亮线所在列的背景噪声标准差；将对应smear效应亮线所在列的背景和恒星分开；

(c)取Smear效应亮线所在列两侧各N列的像素值，用这些像素值作双三次插值，用插值计算值代替Smear效应亮线对应位置的像素灰度值；假设Smear效应亮线所在列两侧选取4个像素点(x₀，y₀)、(x₁，y₁)、(x₂，y₂)、(x₃，y₃)，灰度值为I(x₀，y₀)、I(x₁，y₁)、I(x₂，y₂)、I(x₃，y₃)，三次插值函数为：

I(x，y)＝l₀(x，y)I(x₀，y₀)+l₁(x，y)I(x₁，y₁)+l₂(x，y)I(x₂，y₂)+l₃(x，y)I(x₃，y₃)                                       (6)

l₀(x，y)＝[(x，y)-(x₁，y₁)][(x，y)-(x₂，y₂)][(x，y)-(x₃，y₃)]/[(x₀，y₀)-(x₁，y₁)][(x₀，y₀)-(x₂，y₂)][(x₀，y₀)-(x₃，y₃)](7)

l1(x，y)＝[(x，y)-(x₀，y₀)][(x，y)-(x₂，y₂)][(x，y)-(x₃，y₃)]/[(x₁，y₁)-(x₀，y₀)][(x₁，y₁)-(x₂，y₂)][(x₁，y₁)-(x₃，y₃)](8)

l₂(x，y)＝[(x，y)-(x₀，y₀)][(x，y)-(x₁，y₁)][(x，y)-(x₃，y₃)]/[(x₂，y₂)-(x₀，y₀)][(x₂，y₂)-(x₁，y₁)][(x₂，y₂)-(x₃，y₃)](9)

l₃(x，y)＝[(x，y)-(x₁，y₁)][(x，y)-(x₁，y₁)][(x，y)-(x₂，y₂)]/[(x₃，y₃)-(x₀，y₀)][(x₃，y₃)-(x₁，y₁)][(x₃，y₃)-(x₂，y₂)](10)

在出现恒星和目标的区域保存原值，而在非恒星和目标区域采用双三次插值对smear效应亮线进行修复，保证在去除smear效应亮线的同时保存恒星和目标。

本发明的有益效果是：由于利用各列灰度统计、检测出现smear效应亮线的位置。由于在出现smear效应亮线上的恒星和目标的灰度值也是普遍高于smear效应亮线的平均灰度值，利用这一信息对这些列再进行一次直方图统计求出本列的背景灰度平均值，然后利用高斯分布的3δ原理，得到区分背景和恒星的阈值，在进行去除smear效应亮线的时候大于这一阈值的区域不变，对小于这一阈值的区域再利用双三次插值，在去掉smear效应亮线的同时保存了亮线上的恒星和目标。

下面结合具体实施方式对本发明作详细说明。

具体实施方式

1、自动检测smear效应亮线出现的位置。

星空观测图像可以描述为：

I(x，y)＝I_S(x，y)+I_B(x，y)+I_N(x，y)+I_L(x，y)    (1)

其中，(x，y)为像素点的坐标，且1≤x≤M，1≤y≤N，其中M＝1024，N＝1024为图像的大小，I(x，y)为观测相机CCD焦平面获取的观测图像；I_S(x，y)为目标图像，包括恒星和空间目标观测图像；I_B(x，y)为星空背景图像；I_N(x，y)为噪声图像，包括空间辐射噪声、CCD固定噪声等，并假设I_N(x，y)服从零均值高斯噪声。I_L(x，y)为Smear图像。

对每列y分别统计灰度和T_y，如公式(2)所示：

$T_y=\underset{x=1}{\overset{M}{\mathrm{\Σ}}}I(x,y)---\left(2\right)$

式中y表示图像中的第y列，1≤y≤N(N＝1024)，x表示图像中的第x行，I(x，y)为(x，y)坐标位置处的灰度值。由前面分析，Smear效应亮线所在的几列图像的灰度值会出现峰值，可以选择阈值T来检测峰值的出现位置，确定Smear效应亮线所在的列，本发明所采用阈值T是通过背景均值加上λ倍的背景噪声方差确定的：

T＝μ_B+λ·σ_B    (3)

$R_L\left(y\right)=\left\{\begin{array}{cc}1& T_y>T\\ 0& \mathrm{else}\end{array}\right.---\left(4\right)$

(3)式中，μ_B为统计的图像背景均值，σ_B为统计的图像背景标准差，λ背景标准差系数，由于Smear效应亮线列灰度和的峰值很高，所以λ可以选的较大，本发明取λ＝5。这样便能通过列的灰度统计确定出smear效应亮线出现的位置。

2、确定smear效应亮线上的恒星和目标的位置。

检测出smear效应亮线后，再对检测出的smear效应亮线所在的列进行灰度直方图统计。在星空背景图像中大部分区域为背景，恒星和目标相对于背景来说只是小部分，而smear效应亮线所在列也服从这一性质，因此，对smear效应亮线所在的列进行的灰度直方图统计也类似一个高斯分布。这样，我们就可以得到这一列的背景均值，然后利用高斯分布的3δ(δ为噪声方差)原理，就可以得到区分背景和恒星的阈值T′。

T′＝μ′_B+3·σ′_B    (5)

式中，μ′_B为对应smear效应亮线所在列的背景均值，σ′_B为对应smear效应亮线所在列的背景噪声标准差，这样就可以将对应smear效应亮线所在列的背景和恒星分开。在后面进行smear效应亮线去除的时候可以很好的保存smear效应亮线上的恒星点。

3、利用双三次插值对smear亮线进行修复。

在对smear效应亮线进行修复时主要采用双三次插值的方法进行修复。双三次插值是一种比较复杂的插值方式，它能创造出更平滑的图像边缘，且速度较快，因此本文在插值时数据内插时选用双三次插值，即样条函数内插，它是用格网数据点值内插格网内任何一点的数值，是以一个方格网为分块单元，由分块四角点构成一个双三次曲面来描述格网点的数值，可以保证被插值位置光滑。取Smear效应亮线所在列两侧各N列的像素值，用这些像素值作双三次插值，用插值计算值代替Smear效应亮线对应位置的像素灰度值。假设Smear效应亮线所在列两侧选取4个像素点(x₀，y₀)、(x₁，y₁)、(x₂，y₂)、(x₃，y₃)，灰度值为I(x₀，y₀)、I(x₁，y₁)、I(x₂，y₂)、I(x₃，y₃)，三次插值函数为：

I(x，y)＝l₀(x，y)I(x₀，y₀)+l₁(x，y)I(x₁，y₁)+l₂(x，y)I(x₂，y₂)+l₃(x，y)I(x₃，y₃)                                       (6)

l₀(x，y)＝[(x，y)-(x₁，y₁)][(x，y)-(x₂，y₂)][(x，y)-(x₃，y₃)]/[(x₀，y₀)-(x₁，y₁)][(x₀，y₀)-(x₂，y₂)][(x₀，y₀)-(x₃，y₃)](7)

l₁(x，y)＝[(x，y)-(x₀，y₀)][(x，y)-(x₂，y₂)][(x，y)-(x₃，y₃)]/[(x₁，y₁)-(x₀，y₀)][(x₁，y₁)-(x₂，y₂)][(x₁，y₁)-(x₃，y₃)](8)

l₂(x，y)＝[(x，y)-(x₀，y₀)][(x，y)-(x₁，y₁)][(x，y)-(x₃，y₃)]/[(x₂，y₂)-(x₀，y₀)][(x₂，y₂)-(x₁，y₁)][(x₂，y₂)-(x₃，y₃)](9)

l₃(x，y)＝[(x，y)-(x₁，y₁)][(x，y)-(x₁，y₁)][(x，y)-(x₂，y₂)]/[(x₃，y₃)-(x₀，y₀)][(x₃，y₃)-(x₁，y₁)][(x₃，y₃)-(x₂，y₂)](10)

这样在出现恒星和目标的区域保存原值，而在非恒星和目标区域采用双三次插值对smear效应亮线进行修复，就能保证在去除smear效应亮线的同时保存恒星和目标，为以后的目标检测带来方便。

Claims (1)

1.一种星空背景图像帧转移型CCD传感器Smear效应亮线消除方法，其特征在于包括下述步骤：

(a)将星空观测图像描述为：

I(x，y)＝I_S(x，y)+I_B(x，y)+I_N(x，y)+I_L(x，y)    (1)

式中，I(x，y)为观测相机CCD焦平面获取的观测图像；(x，y)为像素点的坐标，且1≤x≤M，1≤y≤N，其中M＝1024，N＝1024为图像的大小；I_S(x，y)为目标图像，包括恒星和空间目标观测图像；I_B(x，y)为星空背景图像；I_N(x，y)为噪声图像，包括空间辐射噪声、CCD固定噪声，并假设I_N(x，y)服从零均值高斯噪声；I_L(x，y)为Smear图像；

对每列y分别统计灰度和T_y，如公式(2)所示：

$T_y=\underset{x=1}{\overset{M}{\mathrm{\Σ}}}I(x,y)---\left(2\right)$

式中，y表示图像中的第y列，1≤y≤N(N＝1024)，x表示图像中的第x行，I(x，y)为(x，y)坐标位置处的灰度值；阈值T通过下式确定：

T＝μ_B+λ·σ_B    (3)

$R_L\left(y\right)=\left(\begin{array}{cc}1& T_y>T\\ 0& \mathrm{else}\end{array}\right)---\left(4\right)$

式中，μ_B为统计的图像背景均值，σ_B为统计的图像背景标准差，λ背景标准差系数；

检测出直方图中的局部极大值，即为smear效应亮线出现的位置；

(b)检测出smear效应亮线后，再对检测出的smear效应亮线所在列进行灰度直方图统计，得到smear效应亮线所在列的背景均值，然后利用高斯分布的3δ原理，得到区分背景和恒星的阈值T′；

T′＝μ′_B+3·σ′_B    (5)

式中，μ′_B为对应smear效应亮线所在列的背景均值，σ′_B为对应smear效应亮线所在列的背景噪声标准差；将对应smear效应亮线所在列的背景和恒星分开；

(c)取Smear效应亮线所在列两侧各N列的像素值，用这些像素值作双三次插值，用插值计算值代替Smear效应亮线对应位置的像素灰度值；假设Smear效应亮线所在列两侧选取4个像素点(x₀，y₀)、(x₁，y₁)、(x₂，y₂)、(x₃，y₃)，灰度值为I(x₀，y₀)、I(x₁，y₁)、I(x₂，y₂)、I(x₃，y₃)，三次插值函数为：

I(x，y)＝l₀(x，y)I(x₀，y₀)+l₁(x，y)I(x₁，y₁)+l₂(x，y)I(x₂，y₂)+l₃(x，y)I(x₃，y₃)    (6)

l₀(x，y)＝[(x，y)-(x₁，y₁)][(x，y)-(x₂，y₂)][(x，y)-(x₃，y₃)]/[(x₀，y₀)-(x₁，y₁)][(x₀，y₀)-(x₂，y₂)][(x₀，y₀)-(x₃，y₃)](7)

l₁(x，y)＝[(x，y)-(x₀，y₀)][(x，y)-(x₂，y₂)][(x，y)-(x₃，y₃)]/[(x₁，y₁)-(x₀，y₀)][(x₁，y₁)-(x₂，y₂)][(x₁，y₁)-(x₃，y₃)](8)

l₂(x，y)＝[(x，y)-(x₀，y₀)][(x，y)-(x₁，y₁)][(x，y)-(x₃，y₃)]/[(x₂，y₂)-(x₀，y₀)][(x₂，y₂)-(x₁，y₁)][(x₂，y₂)-(x₃，y₃)](9)

l₃(x，y)＝[(x，y)-(x₁，y₁)][(x，y)-(x₁，y₁)][(x，y)-(x₂，y₂)]/[(x₃，y₃)-(x₀，y₀)][(x₃，y₃)-(x₁，y₁)][(x₃，y₃)-(x₂，y₂)](10)

在出现恒星和目标的区域保存原值，而在非恒星和目标区域采用双三次插值对smear效应亮线进行修复，保证在去除smear效应亮线的同时保存恒星和目标。