CN108429878A - 深空天体拍摄智能光学成像方法、装置及系统 - Google Patents

深空天体拍摄智能光学成像方法、装置及系统 Download PDF

Info

Publication number
CN108429878A
CN108429878A CN201810020973.XA CN201810020973A CN108429878A CN 108429878 A CN108429878 A CN 108429878A CN 201810020973 A CN201810020973 A CN 201810020973A CN 108429878 A CN108429878 A CN 108429878A
Authority
CN
China
Prior art keywords
celestial body
information
mirror slip
optical
imaging
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201810020973.XA
Other languages
English (en)
Other versions
CN108429878B (zh
Inventor
陈加志
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN201810020973.XA priority Critical patent/CN108429878B/zh
Publication of CN108429878A publication Critical patent/CN108429878A/zh
Application granted granted Critical
Publication of CN108429878B publication Critical patent/CN108429878B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/667—Camera operation mode switching, e.g. between still and video, sport and normal or high- and low-resolution modes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/50—Constructional details
    • H04N23/54—Mounting of pick-up tubes, electronic image sensors, deviation or focusing coils
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/50—Constructional details
    • H04N23/55—Optical parts specially adapted for electronic image sensors; Mounting thereof
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/60—Control of cameras or camera modules
    • H04N23/69—Control of means for changing angle of the field of view, e.g. optical zoom objectives or electronic zooming
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/70—Circuitry for compensating brightness variation in the scene
    • H04N23/71—Circuitry for evaluating the brightness variation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/70—Circuitry for compensating brightness variation in the scene
    • H04N23/73—Circuitry for compensating brightness variation in the scene by influencing the exposure time
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/222—Studio circuitry; Studio devices; Studio equipment
    • H04N5/262—Studio circuits, e.g. for mixing, switching-over, change of character of image, other special effects ; Cameras specially adapted for the electronic generation of special effects
    • H04N5/265—Mixing

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Studio Devices (AREA)

Abstract

本发明公开了一种深空天体拍摄智能光学成像方法、装置及系统，所述成像方法包括：为目标天体匹配对应的特征信息，所述特征信息包括天体类别信息和/或天体大小信息；根据所述天体类别信息，选择对应的滤光光学镜片，和/或根据所述天体大小信息，选择对应的放大倍率光学镜片；分别获取天体的当前拍摄亮度信息及当前天体的实际亮度信息，得到亮度差值；根据所述亮度差值及光学镜片的选择，设置成像曝光参数；按照所述曝光参数，对天体进行拍摄成像。本发明将天体天文知识带入智能成像系统，降低用户的设置操作复杂度，使望远镜能够自动选择最佳组件，实现图像传感器最佳设置，以获得更高质量和更绚丽的天体图像。

Description

深空天体拍摄智能光学成像方法、装置及系统
技术领域
本发明涉及天文望远领域，特别涉及一种深空天体拍摄智能光学成像方法、装置及系统。
背景技术
天文爱好者和专业人士多年来一直在自我琢磨研究观看及拍摄夜空天体的技巧，而设置和控制望远镜以获取夜空物体的最佳视角不仅需要一定的基础知识技巧，还需要知道手动控制过程每个步骤的高级专业知识才能选择和设置正确的组件以获得最佳观看效果。
现有技术至少存在以下缺陷：
a.参数设置复杂繁琐，望远镜的调试也具有相当的难度，容易是新入门者失去信心和兴趣；
b.天体环境较暗，成像效果较差。
发明内容
为了解决现有技术的问题，本发明提供了一种深空天体拍摄智能光学成像方法、装置及系统，通过在智能成像系统中引用天文专业知识，自动实现成像参数设置，提高成像效果，避免出现图像拖线现象，减轻降温负担，所述技术方案如下：
一方面，本发明提供了一种深空天体拍摄智能光学成像方法，包括：
为目标天体匹配对应的特征信息，所述特征信息包括天体类别信息和/或天体大小信息；
根据所述天体类别信息，选择对应的滤光光学镜片，和/或根据所述天体大小信息，选择对应的放大倍率光学镜片；
分别获取天体的当前拍摄亮度信息及当前天体的实际亮度信息，得到亮度差值；
根据所述亮度差值及光学镜片的选择，设置成像曝光参数；
按照所述曝光参数，对天体进行拍摄成像。
进一步地，所述对天体进行拍摄成像包括：
对天体进行连续拍摄，得到多张天体图像；
对所述多张天体图像进行图像叠加处理，得到目标拍摄图像。
进一步地，所述为目标天体匹配对应的特征信息之前还包括：
预建立天体数据库，所述天体数据库中的信息包括各种天体及其特征信息，还包括当前天体的实际亮度信息。
进一步地，所述根据所述天体类别信息，选择对应的滤光光学镜片之前还包括：预设天体类别信息与滤光参数之间的对应规则；
所述根据所述天体大小信息，选择对应的放大倍率光学镜片之前还包括：预设天体大小信息与放大倍率参数之间的对应规则。
进一步地，所述曝光参数包括曝光时间和曝光次数，所述根据所述亮度差值及光学镜片的选择，设置成像装置的曝光参数之前包括：
预建立曝光参数模型，以所述亮度差值、滤光参数和放大倍率参数为模型输入量，以曝光时间和曝光次数为模型输出量，建立关系模型。
进一步地，所述建立曝光参数模型包括：
采集样本，所述样本信息包括亮度差值、滤光参数和放大倍率参数，所述样本标记有曝光参数；
将样本输入深度神经网络模型；
根据神经网络的所有权重和损失函数，采用反向传播法得到损失函数的梯度，并采用随机梯度下降法，更新神经网络的权重，将更新的权重进行预设次数的迭代，以最小化损失函数；
根据所述样本及完成最小化的损失函数，对所述深度神经网络模型训练，得到所述关系模型。
另一方面，本发明提供了一种深空天体拍摄智能光学成像装置，包括：
特征信息模块，用于为目标天体匹配对应的特征信息，所述特征信息包括天体类别信息和/或天体大小信息；
滤光和/或放大倍率调节模块，用于根据所述天体类别信息，选择对应的滤光光学镜片，和/或根据所述天体大小信息，选择对应的放大倍率光学镜片；
亮度差值模块，用于分别获取天体的当前拍摄亮度信息及当前天体的实际亮度信息，得到亮度差值；
曝光参数模块，用于根据所述亮度差值及光学镜片的选择，设置成像装置的曝光参数；
成像模块，用于按照所述曝光参数，对天体进行连续拍摄成像，得到多张天体图像并作图像叠加处理，得到目标拍摄图像。
进一步地，所述装置还包括曝光参数模型训练模块，包括：
样本单元，用于采集样本，所述样本信息包括亮度差值、滤光参数和放大倍率参数，所述样本标记有曝光参数；
输入单元，用于将样本输入深度神经网络模型；
最小化损失单元，用于根据神经网络的所有权重和损失函数，采用反向传播法得到损失函数的梯度，并采用随机梯度下降法，更新神经网络的权重，将更新的权重进行预设次数的迭代，以最小化损失函数；
模型生成单元，用于根据所述样本及完成最小化的损失函数，对所述深度神经网络模型训练，得到关系模型。
再一方面，本发明提供了一种深空天体拍摄智能光学成像系统，包括图像传感器、滤光光学镜片模组、放大倍率光学镜片模组、天体物理数据库及处理器，所述滤光光学镜片模组和放大倍率光学镜片模组均设置在图像传感器的上方，所述滤光光学镜片模组根据天体物理数据库中包括的目标天体的天体类别信息提供匹配的滤光光学镜片，所述放大倍率光学镜片模组根据天体物理数据库中包括的天体大小信息提供匹配的放大倍率光学镜片；
所述处理器根据当前拍摄亮度信息及当前拍摄亮度信息，得到亮度差值，并根据亮度差值及光学镜片的选择，设置成像曝光参数；
所述图像传感器根据所述曝光参数对所述目标天体进行成像。
进一步地，所述系统还包括第一驱动电机、第二驱动电机和控制器，在控制器的控制下，所述第一驱动电机驱动滤光光学镜片模组转动，直至所述匹配的滤光光学镜片转动至图像传感器上方，所述第二驱动电机驱动放大倍率光学镜片模组转动，直至所述匹配的放大倍率光学镜片转动至图像传感器上方。
本发明提供的技术方案带来的有益效果如下：
1)将天体天文知识带入智能成像系统，使望远镜能够自动选择最佳组件，实现图像传感器最佳设置，以获得更高质量和更绚丽的天体图像；
2)降低用户的设置操作复杂度，适合不具备天文专业知识的新入门者，提高其对天文摄影的兴趣，解决设置繁琐对新手造成的烦扰问题。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的深空天体拍摄智能光学成像方法的结构框图；
图2是本发明实施例提供的建立曝光参数模型的方法流程图；
图3是本发明实施例提供的深空天体拍摄智能光学成像装置的结构框图；
图4是本发明实施例提供的曝光参数模型训练模块的单元分解图；
图5是本发明实施例提供的深空天体拍摄智能光学成像系统的结构示意图。
其中，附图标记包括：1-图像传感器，2-滤光光学镜片模组，21-滤光光学镜片，3-放大倍率光学镜片模组，31-放大倍率光学镜片，4-第一驱动电机，5-第二驱动电机，6-控制器。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、装置、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例1
在本发明的一个实施例中，提供了一种深空天体拍摄智能光学成像方法，参见图1，包括以下流程：
S1、为目标天体匹配对应的特征信息。
具体地，所述特征信息包括天体类别信息和/或天体大小信息，所述特征信息可以从预建立的天体数据库中查询获取。
S2、选择滤光/放大倍率光学镜片。
具体地，根据所述天体类别信息，选择对应的滤光光学镜片，和/或根据所述天体大小信息，选择对应的放大倍率光学镜片。
经过实践和测试，本发明首创提出天体类别信息与滤光参数之间存在对应规则，天体大小信息与放大倍率参数之间存在对应规则，比如，确定目标天体为恒星、行星或星云，则分别对应各自的滤光光学镜片，再比如，提前划分好不同大小的天体对应不同的放大倍率光学镜片，实际操作时，根据目标天体属于哪个大小区域，则选择该区域对应的放大倍率光学镜片。
S3、计算亮度差值。
分别获取天体的当前拍摄亮度信息及当前天体的实际亮度信息，计算两者之差得到亮度差值。其中，当前拍摄亮度信息可以从成像设备(比如CCD图像传感器)上读取信息，而当前天体的实际亮度信息可以通过查询预建立的所述天体数据库获取。
S4、设置成像曝光参数。
具体地，所述曝光参数包括曝光时间和曝光次数。在本申请中，经过长期的摸索实践和有限次的测试试验，得到以下结论：所述曝光参数的具体设置值与S2中选择的滤光光学镜片和放大倍率光学镜片，以及S3中计算得到的亮度差值有关联，比如：滤光越多/放大倍率越大，光亮越低，在此情况下，曝光时间需要增长，和/或曝光次数需要增多；再比如，当前天体的实际亮度信息减去当前拍摄亮度信息的亮度差值越大，则曝光时间需要增长，和/或曝光次数需要增多，这中间是存在一定规律的，具体如下所述：
以亮度差值、滤光参数和放大倍率参数作为输入端，以曝光时间和曝光次数作为输出端，建立曝光参数模型，参见图2，包括以下流程：
S041、采集样本，所述样本信息包括亮度差值、滤光参数和放大倍率参数，所述样本标记有曝光参数；
S042、将样本输入深度神经网络模型；
S043、最小化损失函数操作：根据神经网络的所有权重和损失函数，采用反向传播法得到损失函数的梯度，并采用随机梯度下降法，更新神经网络的权重，将更新的权重进行预设次数的迭代，以最小化损失函数；
S044、根据所述样本及完成最小化的损失函数，对所述深度神经网络模型训练，得到所述关系模型。
S5、按照所述曝光参数，对天体进行拍摄成像。
由于曝光次数一般设置为多次，因此连续拍摄成像得到多张图像，再进行叠加处理，得到高质量和绚丽的天体图像，即为目标拍摄图像。
实施例2
在本发明的一个实施例中，提供了一种深空天体拍摄智能光学成像装置，参见图3，所述装置包括以下模块：
特征信息模块100，用于为目标天体匹配对应的特征信息，所述特征信息包括天体类别信息和/或天体大小信息；
滤光和/或放大倍率调节模块200，用于根据所述天体类别信息，选择对应的滤光光学镜片，和/或根据所述天体大小信息，选择对应的放大倍率光学镜片；
亮度差值模块300，用于分别获取天体的当前拍摄亮度信息及当前天体的实际亮度信息，得到亮度差值；
曝光参数模块400，用于根据所述亮度差值及光学镜片的选择，设置成像装置的曝光参数；
成像模块500，用于按照所述曝光参数，对天体进行连续拍摄成像，得到多张天体图像并作图像叠加处理，得到目标拍摄图像。
进一步地，所述装置还包括曝光参数模型训练模块600，参见图4，所述曝光参数模型训练模块600包括：
样本单元610，用于采集样本，所述样本信息包括亮度差值、滤光参数和放大倍率参数，所述样本标记有曝光参数；
输入单元620，用于将样本输入深度神经网络模型；
最小化损失单元630，用于根据神经网络的所有权重和损失函数，采用反向传播法得到损失函数的梯度，并采用随机梯度下降法，更新神经网络的权重，将更新的权重进行预设次数的迭代，以最小化损失函数；
模型生成单元640，用于根据所述样本及完成最小化的损失函数，对所述深度神经网络模型训练，得到关系模型。
需要说明的是：上述实施例提供的深空天体拍摄智能光学成像装置在进行天体拍摄成像时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将智能光学成像装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，本实施例提供的智能光学成像装置实施例与上述实施例提供的深空天体拍摄智能光学成像方法属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
实施例3
在发明的一个实施例中，提供了一种深空天体拍摄智能光学成像系统，参见图5，所述成像系统包括图像传感器1、滤光光学镜片模组2、放大倍率光学镜片模组3、天体物理数据库及处理器，所述滤光光学镜片模组2和放大倍率光学镜片模组3均设置在图像传感器1的上方(滤光光学镜片模组2和放大倍率光学镜片模组3的上下位置关系不限)，所述滤光光学镜片模组2优选设计成圆盘状，圆盘上设置有多个不同滤光参数的滤光光学镜片21，所述放大倍率光学镜片模组3同理优选为圆盘状，圆盘上设置有多个不同放大倍率参数的放大倍率光学镜片31，所述滤光光学镜片模组2根据天体物理数据库中包括的目标天体的天体类别信息提供匹配的滤光光学镜片21，所述放大倍率光学镜片模组3根据天体物理数据库中包括的天体大小信息提供匹配的放大倍率光学镜片31；
所述处理器根据当前拍摄亮度信息及当前拍摄亮度信息，得到亮度差值，并根据亮度差值及光学镜片的选择，设置成像曝光参数；
所述图像传感器1根据所述曝光参数对所述目标天体进行成像。
进一步地，所述系统还包括第一驱动电机4、第二驱动电机5和控制器6，在控制器6的控制下，所述第一驱动电机4驱动滤光光学镜片模组2转动，直至所述匹配的滤光光学镜片21转动至图像传感器1上方，所述第二驱动电机5驱动放大倍率光学镜片模组3转动，直至所述匹配的放大倍率光学镜片31转动至图像传感器1上方。
本发明的深空天体拍摄智能光学成像方法简单，成像系统中引用天文专利知识来实现参数的自动设置，降低了成像参数设置的难度，提高了成像质量，在未熟知天文系统及望远镜调试技巧的前提下均可实现对天体的有效优质拍摄。“深空光学成像”/“Deep lightimaging”的目的是将所有必要的知识带入智能成像系统，使望远镜能够自动选择最佳组件(放大倍率镜片和滤光片)，实现图像传感器最佳设置，以获得更高质量和更绚丽的天体图像。让新入门者更容易保持对天文摄影的兴趣而不为繁琐的设置所烦恼。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种深空天体拍摄智能光学成像方法，其特征在于，包括：
为目标天体匹配对应的特征信息，所述特征信息包括天体类别信息和/或天体大小信息；
根据所述天体类别信息，选择对应的滤光光学镜片，和/或根据所述天体大小信息，选择对应的放大倍率光学镜片；
分别获取天体的当前拍摄亮度信息及当前天体的实际亮度信息，得到亮度差值；
根据所述亮度差值及光学镜片的选择，设置成像曝光参数；
按照所述曝光参数，对天体进行拍摄成像。
2.根据权利要求1所述的成像方法，其特征在于，所述对天体进行拍摄成像包括：
对天体进行连续拍摄，得到多张天体图像；
对所述多张天体图像进行图像叠加处理，得到目标拍摄图像。
3.根据权利要求1所述的成像方法，其特征在于，所述为目标天体匹配对应的特征信息之前还包括：
预建立天体数据库，所述天体数据库中的信息包括各种天体及其特征信息，还包括当前天体的实际亮度信息。
4.根据权利要求1所述的成像方法，其特征在于，所述根据所述天体类别信息，选择对应的滤光光学镜片之前还包括：预设天体类别信息与滤光参数之间的对应规则；
所述根据所述天体大小信息，选择对应的放大倍率光学镜片之前还包括：预设天体大小信息与放大倍率参数之间的对应规则。
5.根据权利要求1所述的成像方法，其特征在于，所述曝光参数包括曝光时间和曝光次数，所述根据所述亮度差值及光学镜片的选择，设置成像装置的曝光参数之前包括：
预建立曝光参数模型，以所述亮度差值、滤光参数和放大倍率参数为模型输入量，以曝光时间和曝光次数为模型输出量，建立关系模型。
6.根据权利要求5所述的成像方法，其特征在于，所述建立曝光参数模型包括：
采集样本，所述样本信息包括亮度差值、滤光参数和放大倍率参数，所述样本标记有曝光参数；
将样本输入深度神经网络模型；
根据神经网络的所有权重和损失函数，采用反向传播法得到损失函数的梯度，并采用随机梯度下降法，更新神经网络的权重，将更新的权重进行预设次数的迭代，以最小化损失函数；
根据所述样本及完成最小化的损失函数，对所述深度神经网络模型训练，得到所述关系模型。
7.一种深空天体拍摄智能光学成像装置，其特征在于，包括：
特征信息模块，用于为目标天体匹配对应的特征信息，所述特征信息包括天体类别信息和/或天体大小信息；
滤光和/或放大倍率调节模块，用于根据所述天体类别信息，选择对应的滤光光学镜片，和/或根据所述天体大小信息，选择对应的放大倍率光学镜片；
亮度差值模块，用于分别获取天体的当前拍摄亮度信息及当前天体的实际亮度信息，得到亮度差值；
曝光参数模块，用于根据所述亮度差值及光学镜片的选择，设置成像装置的曝光参数；
成像模块，用于按照所述曝光参数，对天体进行连续拍摄成像，得到多张天体图像并作图像叠加处理，得到目标拍摄图像。
8.根据权利要求7所述的成像装置，其特征在于，所述装置还包括曝光参数模型训练模块，包括：
样本单元，用于采集样本，所述样本信息包括亮度差值、滤光参数和放大倍率参数，所述样本标记有曝光参数；
输入单元，用于将样本输入深度神经网络模型；
最小化损失单元，用于根据神经网络的所有权重和损失函数，采用反向传播法得到损失函数的梯度，并采用随机梯度下降法，更新神经网络的权重，将更新的权重进行预设次数的迭代，以最小化损失函数；
模型生成单元，用于根据所述样本及完成最小化的损失函数，对所述深度神经网络模型训练，得到关系模型。
9.一种深空天体拍摄智能光学成像系统，其特征在于：包括图像传感器、滤光光学镜片模组、放大倍率光学镜片模组、天体物理数据库及处理器，所述滤光光学镜片模组和放大倍率光学镜片模组均设置在图像传感器的上方，所述滤光光学镜片模组根据天体物理数据库中包括的目标天体的天体类别信息提供匹配的滤光光学镜片，所述放大倍率光学镜片模组根据天体物理数据库中包括的天体大小信息提供匹配的放大倍率光学镜片；
所述处理器根据当前拍摄亮度信息及当前拍摄亮度信息，得到亮度差值，并根据亮度差值及光学镜片的选择，设置成像曝光参数；
所述图像传感器根据所述曝光参数对所述目标天体进行成像。
10.根据权利要求9所述的成像系统，其特征在于，还包括第一驱动电机、第二驱动电机和控制器，在控制器的控制下，所述第一驱动电机驱动滤光光学镜片模组转动，直至所述匹配的滤光光学镜片转动至图像传感器上方，所述第二驱动电机驱动放大倍率光学镜片模组转动，直至所述匹配的放大倍率光学镜片转动至图像传感器上方。
CN201810020973.XA 2018-01-10 2018-01-10 深空天体拍摄智能光学成像方法、装置及系统 Active CN108429878B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810020973.XA CN108429878B (zh) 2018-01-10 2018-01-10 深空天体拍摄智能光学成像方法、装置及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810020973.XA CN108429878B (zh) 2018-01-10 2018-01-10 深空天体拍摄智能光学成像方法、装置及系统

Publications (2)

Publication Number Publication Date
CN108429878A true CN108429878A (zh) 2018-08-21
CN108429878B CN108429878B (zh) 2020-04-24

Family

ID=63155841

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810020973.XA Active CN108429878B (zh) 2018-01-10 2018-01-10 深空天体拍摄智能光学成像方法、装置及系统

Country Status (1)

Country Link
CN (1) CN108429878B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11076088B2 (en) 2019-09-24 2021-07-27 Sony Corporation Artificial intelligence (AI)-based control of imaging parameters of image-capture apparatus
CN113727030A (zh) * 2020-11-19 2021-11-30 北京京东乾石科技有限公司 获取图像的方法、装置、电子设备和计算机可读介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101393437B1 (ko) * 2013-05-29 2014-05-30 한국 천문 연구원 우주 비행물체 컬러 영상촬영 시스템
JP2017142405A (ja) * 2016-02-11 2017-08-17 中村　昌弘 天体望遠鏡正立天頂プリズムユニット
CN206505222U (zh) * 2017-03-06 2017-09-19 胡啟晨 一种可附接外部导星装置的望远镜
CN107210003A (zh) * 2015-02-12 2017-09-26 间濑康文 星空再现装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101393437B1 (ko) * 2013-05-29 2014-05-30 한국 천문 연구원 우주 비행물체 컬러 영상촬영 시스템
CN107210003A (zh) * 2015-02-12 2017-09-26 间濑康文 星空再现装置
JP2017142405A (ja) * 2016-02-11 2017-08-17 中村　昌弘 天体望遠鏡正立天頂プリズムユニット
CN206505222U (zh) * 2017-03-06 2017-09-19 胡啟晨 一种可附接外部导星装置的望远镜

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11076088B2 (en) 2019-09-24 2021-07-27 Sony Corporation Artificial intelligence (AI)-based control of imaging parameters of image-capture apparatus
CN113727030A (zh) * 2020-11-19 2021-11-30 北京京东乾石科技有限公司 获取图像的方法、装置、电子设备和计算机可读介质

Also Published As

Publication number Publication date
CN108429878B (zh) 2020-04-24

Similar Documents

Publication Publication Date Title
CN106134178B (zh) 图像处理装置、摄像装置以及图像处理方法
CN109714519B (zh) 一种自动调整图像画面的方法和系统
CN110378943A (zh) 图像处理方法、装置、电子设备及存储介质
Covington Digital SLR astrophotography
CN107800979B (zh) 高动态范围视频拍摄方法及拍摄装置
CN107833197A (zh) 图像处理的方法、装置、计算机可读存储介质和电子设备
CN108549892A (zh) 一种基于卷积神经网络的车牌图像清晰化方法
CN108364270B (zh) 偏色图像颜色还原方法及装置
CA2284981A1 (en) Ocular optical system simulating method and simulating apparatus
CN109820524A (zh) 基于fpga的自闭症眼动特征采集与分类可穿戴系统
CN105608664B (zh) 一种照片处理方法及终端
WO2006069171A2 (en) Automated system and method for processing of astronomical images
CN108184075A (zh) 用于生成图像的方法和装置
CN106605401A (zh) 图像捕获设备及方法
CN108429878A (zh) 深空天体拍摄智能光学成像方法、装置及系统
CN108616700A (zh) 图像处理方法和装置、电子设备、计算机可读存储介质
CN107833193A (zh) 一种基于refinement‑network深度学习模型的单透镜全局图像复原方法
WO2020249679A1 (en) Method and system for determining a refraction feature of an eye of a subject using an image-capture device
CN105959593A (zh) 一种拍照设备的曝光方法及拍照设备
CN111127367A (zh) 人脸图像处理的方法、装置及系统
CN113313790A (zh) 视频生成方法、装置、设备及存储介质
CN107145217A (zh) 智能交互系统及智能交互方法
CN112585945A (zh) 对焦方法、装置及设备
CN111968039A (zh) 基于硅传感器相机的昼夜通用图像处理方法、装置及设备
CN106028016A (zh) 一种信息处理方法及电子设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant