CN111486823A - 一种提高太阳系小天体的天体测量观测精度的方法 - Google Patents
一种提高太阳系小天体的天体测量观测精度的方法 Download PDFInfo
- Publication number
- CN111486823A CN111486823A CN202010483943.XA CN202010483943A CN111486823A CN 111486823 A CN111486823 A CN 111486823A CN 202010483943 A CN202010483943 A CN 202010483943A CN 111486823 A CN111486823 A CN 111486823A
- Authority
- CN
- China
- Prior art keywords
- image
- data
- observation target
- star
- observation
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000005259 measurement Methods 0.000 title claims abstract description 25
- 238000004364 calculation method Methods 0.000 claims abstract description 10
- 238000007781 pre-processing Methods 0.000 claims abstract description 10
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000013519 translation Methods 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 5
- 230000000694 effects Effects 0.000 abstract description 6
- 238000012545 processing Methods 0.000 description 16
- 241000126130 Ganymedes Species 0.000 description 5
- 101710200331 Cytochrome b-245 chaperone 1 Proteins 0.000 description 4
- 102100037186 Cytochrome b-245 chaperone 1 Human genes 0.000 description 4
- 101710119396 Cytochrome b-245 chaperone 1 homolog Proteins 0.000 description 4
- 241001505295 Eros Species 0.000 description 4
- ULGZDMOVFRHVEP-RWJQBGPGSA-N Erythromycin Chemical compound O([C@@H]1[C@@H](C)C(=O)O[C@@H]([C@@]([C@H](O)[C@@H](C)C(=O)[C@H](C)C[C@@](C)(O)[C@H](O[C@H]2[C@@H]([C@H](C[C@@H](C)O2)N(C)C)O)[C@H]1C)(C)O)CC)[C@H]1C[C@@](C)(OC)[C@@H](O)[C@H](C)O1 ULGZDMOVFRHVEP-RWJQBGPGSA-N 0.000 description 4
- 238000003672 processing method Methods 0.000 description 3
- 241000284156 Clerodendrum quadriloculare Species 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000002203 pretreatment Methods 0.000 description 2
- 206010034960 Photophobia Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 208000013469 light sensitivity Diseases 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/04—Interpretation of pictures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
Abstract
本公开公开了一种提高太阳系小天体的天体测量观测精度的方法,包括以下步骤:选定观测目标,确定观测目标的曝光时间后,拍摄预设数量的图像作为原始图像数据集;预处理得到预处理后的原始图像集;对预处理后的原始图像数据集分割,形成单独的观测目标数据集和背景恒星数据集;对齐叠加,获得对齐叠加背景恒星数据集和对齐叠加观测目标数据集;同一幅原始图像相对应的图像进行合并叠加;天体测量归算,计算观测目标的站心视位置。本公开的一个技术效果在于能够获取较多高信噪比的背景恒星及较为理想的目标小天体图像,提升观测精度。
Description
技术领域
本公开属于天体测量观测技术领域,具体地说,涉及一种提高太阳系小天体的天体测量观测精度的方法。
背景技术
开展太阳系小天体的天体测量观测工作对研究太阳系的起源和演化、近地小天体及系外行星的探测、深空导航等领域都有重要意义。作为太阳系天体中的一部分,近地小天体因为能够对地球以及人类文明造成威胁而备受关注,近些年来近地小天体撞击地球的事件屡有发生,例如2013年2月15日发生在俄罗斯车里雅宾斯克州的陨石撞击事件、2017年10月4日发生在云南省迪庆州的火流星事件。开展太阳系小天体、尤其是近地小天体的高精度天体测量观测,有助于监控小天体的运行轨道,便于人类能够有充足的时间应对潜在的对地球的撞击威胁。
对太阳系小天体进行天体测量观测,由于望远镜口径、观测终端量子效率和噪声、观测台址等方面的限制,会导致很难利用较短的CCD曝光时间获取较为优质的太阳系小天体观测资料,而利用传统的长曝光方式进行观测,针对移动速度比较快的观测目标,则会造成观测目标的拖尾现象,不利于得到观测目标精确的量度坐标,同时也会带入望远镜跟踪误差的影响。
发明内容
本公开的一个目的是提供一种提高太阳系小天体的天体测量观测精度的方法;
根据本公开的一个方面,本公开提供一种提高太阳系小天体的天体测量观测精度的方法,包括以下步骤:
步骤1,选定观测目标,确定观测望远镜所配置终端CCD拍摄单幅曝光时间,确定观测目标的曝光时间后,拍摄预设数量的图像作为原始图像数据集;
步骤2,对步骤1获得的原始图像数据集中的图像进行预处理得到预处理后的原始图像集;
步骤3,对步骤2获得的预处理后的原始图像数据集分割,将观测目标从预处理后的原始图像数据集中分割出来形成单独的观测目标数据集,余下的部分形成背景恒星数据集,分割后的数据满足:
DataAsteroid+DataStar=DataFull;
其中DataFull为预处理后的原始图像数据、DataAsteroid分割后观测目标图像数据、DataStar为分割后的背景恒星数据;
步骤4,选取步骤3获得的背景恒星数据集中的一幅背景恒星图像作为参考图像,将其它图像与该幅图像对齐叠加,最终得到多幅图像叠加后的背景恒星图像;
步骤5,重复步骤4,获得每一幅背景恒星图像作为参考图像的对齐叠加背景恒星数据集;
步骤6,选取步骤3获得的观测目标数据集中的一幅观测目标图像作为参考图像,将其它图像与该幅图像对齐叠加,得到多幅图像叠加后的观测目标图像;
步骤7,重复步骤6,获得每一幅观测目标图像作为参考图像的对齐叠加观测目标数据集;
步骤8,将步骤5获得的对齐叠加背景恒星数据集与步骤7获得的对齐叠加观测目标数据集中同一幅原始图像相对应的图像进行合并叠加,合并之后的图像数据满足以下关系:
StackingFull=StackingStar+StackingAsteroid;
其中StackingFull为合并后的叠加图像数据,StackingStar为背景恒星的叠加图像数据,StackingAsteroid为观测目标的叠加图像数据;
步骤9,天体测量归算,计算观测目标的站心视位置。
可选地,所述步骤1中的曝光时间的确定方法为:
定义特征值Flag
Flag=(SNRAsteroid≥3)&&(FWHMAsetroid<1.1×FWHMStar);
其中SNRAsteroid为观测目标的信噪比,FWHMAsetroid为观测目标的半高全宽值,FWHMStar为同视场较亮未饱和恒星的半高全宽值。
当Flag=0,说明观测目标需要继续曝光;
当Flag=1,说明观测目标曝光时间合适;确定观测目标的曝光时间后,拍摄预设数量的图像作为原始图像数据集。
可选地,所述步骤2中的预处理方法具体为:
其中S*为预处理之后的数据,S为观测获取的数据,Sdark为暗电流,Sflat为平场数据,Sbias为CCD本底噪声;
可选地,所述步骤3中原始图像数据集分割的具体方法为:
按照固定的矩阵大小提取包含观测目标的数据DataAsteroid,提取区域内不包含较亮的背景恒星,之后将提取区域外数据赋0;
则背景恒星数据为:DataStar=DataFull-DataAsteroid;
将分割后的观测目标数据集与背景恒星数据集分别保存为与原始观测图像格式相同的图像数据。
可选地,所述步骤4中的图像叠加计算方法为:
首先分别计算参考背景恒星图像和其它背景恒星图像中恒星的中心坐标,中心坐标序列分别为:Pr(xr,yr)和Pn(xn,yn),两者之间有如下对应关系:
已知Pr(xr,yr)和Pn(xn,yn),计算可得仿射变换矩阵A,之后通过仿射变换将其它背景恒星图像与参考背景恒星图像对齐叠加。
可选地,多幅图像叠加后的背景恒星图像中叠加区域的图像灰度值取叠加区域灰度值的均值。
可选地,所述步骤6中的图像叠加计算方法为:
首先分别计算参考观测目标图像和其它观测目标图像中观测目标的中心坐标,之后得到两者之间的平移坐标量,通过平移进行其它观测目标图像与参考背景观测目标图像的对齐叠加。
可选地,多幅图像叠加后的观测目标图像中叠加区域的图像灰度值取叠加区域灰度值的均值。
本公开的一个技术效果在于能够获取较多高信噪比的背景恒星及较为理想的目标小天体图像,提升观测精度。
附图说明
此处所说明的附图用来提供对本公开的进一步理解,构成本公开的一部分,本公开的示意性实施例及其说明用于解释本公开,并不构成对本公开的不当限定。在附图中:
图1是本公开一些实施例的实现流程图;
图2是本公开一些实施例的观测数据处理过程示意图,其中:
图2a一幅原始图像分割后的背景恒星图像;
图2b是以图2a为参考图像得到多幅图像叠加后的背景恒星图像;
图2c是一幅原始图像分割后的观测目标图像;
图2d是以图2c为参考图像得到多幅图像叠加后的观测目标图像;
图2e是合并图2b和图2d得到的图像;
图3a是M23星团观测资料未进行叠加处理的单幅背景恒星图像;
图3b是以图3a为基准进行多幅图像叠加后得到的背景恒星图像;
图4a是对图3a和图3b处理得到的M23星团赤经(RA)残差对比;
图4b是对图3a和图3b处理得到的M23星团赤纬(DEC)残差对比;
图5是实施例1中运动天体极限观测视星等与天体运动速度和曝光时间的关系;
图6a是实施例1中Eros赤经(RA)残差对比;
图6b是实施例1中Eros赤纬(DEC)残差对比;
图7a是实施例1中Ganymed赤经(RA)残差对比;
图7b是实施例1中Ganymed赤纬(DEC)残差对比。
具体实施方式
以下将配合附图及实施例来详细说明本公开的实施方式,借此对本公开如何应用技术手段来解决技术问题并达成技术功效的实现过程能充分理解并据以实施。
根据本公开的一个方面,本公开提供一种提高太阳系小天体的天体测量观测精度的方法,在一些实施例中,参考图1至图2e,包括以下步骤:
步骤1,选择合适小行星作为目标分析确定单幅图像曝光时间并进行观测,获取观测数据集;
选定目标小行星,结合观测望远镜所配置终端CCD参数及观测台站天光背景进行预估设置初始曝光时间进行拍摄初始样张,在通过计算调整,最终确定观测望远镜所配置终端CCD拍摄单幅曝光时间,所述曝光时间的确定方法为:
定义特征值Flag
Flag=(SNRAsteroid≥3)&&(FWHMAsetroid<1.1×FWHMStar);
其中SNRAsteroid为目标小行星的信噪比,FWHMAsetroid为目标小行星的半高全宽值,FWHMStar为同视场较亮未饱和恒星的半高全宽值。
当Flag=0,说明目标小行星需要继续曝光;
当Flag=1,说明目标小行星曝光时间合适,具有符合要求的信噪比,并且无拖尾现象;确定目标小行星的曝光时间后,拍摄预设数量的图像作为原始图像数据集。这个预设数量可以为20-30幅。
步骤2,图像预处理;
对步骤1获得的原始图像数据集中的图像进行预处理得到预处理后的原始图像集;图像的预处理,主要是对于平场、暗场、本底的处理,用于消除CCD各个像素感光不均匀、暗电流和本底噪声对数据处理结果影响。
具体预处理方法为:
其中S*为预处理之后的数据,S为观测获取的数据,Sdark为暗电流,Sflat为平场数据,Sbias为CCD本底噪声;
步骤3,将背景恒星和目标小行星分为两个单独的数据集;
对步骤2获得的预处理后的原始图像数据集分割,将目标小行星从预处理后的原始图像数据集中分割出来形成单独的目标小行星数据集,余下的部分形成背景恒星数据集,分割后的数据满足:
DataAsteroid+DataStar=DataFull;
其中DataFull为预处理后的原始图像数据、DataAsteroid分割后目标小行星图像数据、DataStar为分割后的背景恒星数据;
原始图像数据集分割的具体方法为:
按照固定的矩阵大小提取包含目标小行星的数据DataAsteroid,提取区域内不包含较亮的背景恒星,之后将提取区域外数据赋0;
则背景恒星数据为:DataStar=DataFull-DataAsteroid;
将分割后的目标小行星数据集与背景恒星数据集分别保存为与原始观测图像格式相同的图像数据。
步骤4,选取步骤3获得的背景恒星数据集中的一幅背景恒星图像作为参考图像,将其它图像与该幅图像对齐叠加,最终得到多幅图像叠加后的背景恒星图像;
背景恒星数据集中的图像叠加计算方法为:
首先分别计算参考背景恒星图像和其它背景恒星图像中恒星的中心坐标,中心坐标序列分别为:Pr(xr,yr)和Pn(xr,yn),两者之间有如下对应关系:
已知Pr(xr,yr)和Pn(xn,yn),计算可得仿射变换矩阵A,之后通过仿射变换将其它背景恒星图像与参考背景恒星图像对齐叠加。
多幅图像叠加后的背景恒星图像中叠加区域的图像灰度值取叠加区域灰度值的均值。
步骤5,重复步骤4,获得每一幅背景恒星图像作为参考图像的对齐叠加背景恒星数据集;
步骤6,选取步骤3获得的目标小行星数据集中的一幅目标小行星图像作为参考图像,将其它图像与该幅图像对齐叠加,得到多幅图像叠加后的目标小行星图像;
图像叠加计算方法为:
首先分别计算参考目标小行星图像和其它目标小行星图像中目标小行星的中心坐标,之后得到两者之间的平移坐标量,通过平移进行其它目标小行星图像与参考背景目标小行星图像的对齐叠加。
多幅图像叠加后的目标小行星图像中叠加区域的图像灰度值取叠加区域灰度值的均值。
步骤7,重复步骤6,获得每一幅目标小行星图像作为参考图像的对齐叠加目标小行星数据集;
步骤8,通过步骤5获得对齐叠加背景恒星数据集,通过步骤7获得对齐叠加目标小行星数据集;在每一幅原始图像的观测时间点,都可以得到一幅多幅图像叠加的背景恒星图像和一幅多幅图像叠加的目标小行星图像,之后合并叠加后的背景恒星图像和叠加后的小行星图像,合并之后的图像数据满足以下关系:
StackingFull=StackingStar+StackingAsteroid;
其中StackingFull为合并后的叠加图像数据,StackingStar为背景恒星的叠加图像数据,StackingAsteroid为目标小行星的叠加图像数据;
得到合并叠加后的观测数据集;
步骤9,天体测量归算,使用合并叠加后的观测数据集计算目标小行星的站心视位置。
计算观测目标站心视位置的方法与过程为本领域对观测结果的常规计算方法和过程,本公开未对此做出改进,目标小行星的站心视位置具体计算方法与过程在此不再赘述。
本公开利用CCD相机,利用短曝光分组图像叠加的方法进行目标的天体测量观测,分别对恒星背景以及目标小天体进行叠加处理,就能够获取较多高信噪比的背景恒星及较为理想的目标小天体图像,提升观测精度,并且避免较亮的背景恒星饱和。
针对本发明所涉及的观测处理方法,对曝光时间的影响分析如下:
但是如果叠加图像的总曝光时间较短,就会导致读出噪声占主导地位,光子信号和暗电流噪声可以被忽略。这种情况之下,由公式(2)、公式(3)可知,单次长曝光的效果会优于多次短曝光叠加,前者信噪比会是后者的倍,称为状态B:
对公式中所涉及变量进行说明:S为目标源的信号,Nlong为长曝光图像的噪声,Nstack为叠加图像的噪声,N为叠加图像数量,Nsky为观测台站天光背景计数,Nnoise为读出噪声,Ndark为暗电流噪声。
本发明所涉及的方法主要针对状态A。对使用云南天文台一米望远镜在2014年5月29日所获取的M23星团观测资料进行处理,处理结果如图3a,图3b,图4a和图4b所示,图3a为未进行叠加处理的单幅背景恒星图像,可以识别出29颗背景恒星,图3b为以图3a为基准进行多幅图像叠加后得到的背景恒星图像,可以识别出47颗背景恒星;图4a和图4b是分别对叠加图像和未叠加图像进行处理,得到的赤经(RA)和赤纬(DEC)残差的对比结果,叠加后的图像相较于未叠加图像在RA和DEC两个方向都具有较小的弥散,精度提升明显,结果表明叠加后的图像相比较于未叠加的单幅图像,背景恒星数量提升较为明显,并能显著提高天体测量观测精度。
实施例1
2019年6月2日使用云南天文台1m望远镜,利用当日观测所得背景恒星CCD图像估算能够适用本方法的近地小天体极限观测视星等,得到当日运动天体极限观测星等与天体运动速度和曝光时间之间的关系,进一步确定观测目标。估算过程中所涉及关键参数如表1所示,所得当日运动天体极限观测星等与天体运动速度和曝光时间之间的关系如图5所示。
表1:2019年6月2日单幅背景恒星CCD图像中的关键参数
进一步的利用本公开所提出的处理方法对所获取的近地小行星Eros和Ganymed的观测数据进行处理,并与未进行图像叠加处理的观测资料处理结果进行对比,所得到的天体测量观测处理结果如图6a,图6b,图7a和图7b所示,表明采用本公开所提出的处理方法得到的两颗小行星的数据处理结果在RA和DEC两个方向相较于未进行图像叠加直接处理所得结果弥散较小,有明显的精度提升;对结果的数据统计如表2、表3所示,其中小行星Eros在RA和DEC两个方向的精度提升分别为60%、25%,小行星Ganymed在RA和DEC两个方向的精度提升分别为41%、48%,观测精度提升明显。
表2:Eros天体测量观测结果统计
表3:Ganymed天体测量观测结果统计
如在说明书及权利要求当中使用了某些词汇来指称特定成分或方法。本领域技术人员应可理解,不同地区可能会用不同名词来称呼同一个成分。本说明书及权利要求并不以名称的差异来作为区分成分的方式。如在通篇说明书及权利要求当中所提及的“包含”为一开放式用语,故应解释成“包含但不限定于”。“大致”是指在可接收的误差范围内,本领域技术人员能够在一定误差范围内解决所述技术问题,基本达到所述技术效果。说明书后续描述为实施本公开的较佳实施方式,然所述描述乃以说明本公开的一般原则为目的,并非用以限定本公开的范围。本公开的保护范围当视所附权利要求所界定者为准。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的商品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种商品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的商品或者系统中还存在另外的相同要素。
上述说明示出并描述了发明的若干优选实施例,但如前所述,应当理解发明并非局限于本文所披露的形式,不应看作是对其他实施例的排除,而可用于各种其他组合、修改和环境,并能够在本文所述发明构想范围内,通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离发明的精神和范围,则都应在发明所附权利要求的保护范围内。
Claims (8)
1.一种提高太阳系小天体的天体测量观测精度的方法,其特征在于,包括以下步骤:
步骤1,选定观测目标,确定观测望远镜所配置终端CCD拍摄单幅曝光时间,确定观测目标的曝光时间后,拍摄预设数量的图像作为原始图像数据集;
步骤2,对步骤1获得的原始图像数据集中的图像进行预处理得到预处理后的原始图像集;
步骤3,对步骤2获得的预处理后的原始图像数据集分割,将观测目标从预处理后的原始图像数据集中分割出来形成单独的观测目标数据集,余下的部分形成背景恒星数据集,分割后的数据满足:
DataAsteroid+DataStar=DataFull;
其中DataFull为预处理后的原始图像数据、DatαAsteroid分割后观测目标图像数据、DataStar为分割后的背景恒星数据;
步骤4,选取步骤3获得的背景恒星数据集中的一幅背景恒星图像作为参考图像,将其它图像与该幅图像对齐叠加,最终得到多幅图像叠加后的背景恒星图像;
步骤5,重复步骤4,获得每一幅背景恒星图像作为参考图像的对齐叠加背景恒星数据集;
步骤6,选取步骤3获得的观测目标数据集中的一幅观测目标图像作为参考图像,将其它图像与该幅图像对齐叠加,得到多幅图像叠加后的观测目标图像;
步骤7,重复步骤6,获得每一幅观测目标图像作为参考图像的对齐叠加观测目标数据集;
步骤8,将步骤5获得的对齐叠加背景恒星数据集与步骤7获得的对齐叠加观测目标数据集中同一幅原始图像相对应的图像进行合并叠加,合并之后的图像数据满足以下关系:
StackingFull=StackingStar+StackingAsteroid;
其中StackingFull为合并后的叠加图像数据,StackingStar为背景恒星的叠加图像数据,StackingAsteroid为观测目标的叠加图像数据;
步骤9,天体测量归算,计算观测目标的站心视位置。
2.根据权利要求1所述的提高太阳系小天体的天体测量观测精度的方法,其特征在于,所述步骤1中的曝光时间的确定方法为:
定义特征值Flag
Flag=(SNRAsteroid≥3)&&(FWHMAsetroid<1.1×FWHMStar);
其中SNRAsteroid为观测目标的信噪比,FWHMAsetroid为观测目标的半高全宽值,FWHMStar为同视场较亮未饱和恒星的半高全宽值。
当Flag=0,说明观测目标需要继续曝光;
当Flag=1,说明观测目标曝光时间合适;确定观测目标的曝光时间后,拍摄预设数量的图像作为原始图像数据集。
4.根据权利要求1所述的提高太阳系小天体的天体测量观测精度的方法,其特征在于,所述步骤3中原始图像数据集分割的具体方法为:
按照固定的矩阵大小提取包含观测目标的数据DataAsteroid,提取区域内不包含较亮的背景恒星,之后将提取区域外数据赋0;
则背景恒星数据为:DataStar=DataFull-DataAsteroid;
将分割后的观测目标数据集与背景恒星数据集分别保存为与原始观测图像格式相同的图像数据。
6.根据权利要求5所述的提高太阳系小天体的天体测量观测精度的方法,其特征在于,多幅图像叠加后的背景恒星图像中叠加区域的图像灰度值取叠加区域灰度值的均值。
7.根据权利要求1所述的提高太阳系小天体的天体测量观测精度的方法,其特征在于,所述步骤6中的图像叠加计算方法为:
首先分别计算参考观测目标图像和其它观测目标图像中观测目标的中心坐标,之后得到两者之间的平移坐标量,通过平移进行其它观测目标图像与参考背景观测目标图像的对齐叠加。
8.根据权利要求7所述的提高太阳系小天体的天体测量观测精度的方法,其特征在于,多幅图像叠加后的观测目标图像中叠加区域的图像灰度值取叠加区域灰度值的均值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010483943.XA CN111486823B (zh) | 2020-06-01 | 2020-06-01 | 一种提高太阳系小天体的天体测量观测精度的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010483943.XA CN111486823B (zh) | 2020-06-01 | 2020-06-01 | 一种提高太阳系小天体的天体测量观测精度的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111486823A true CN111486823A (zh) | 2020-08-04 |
CN111486823B CN111486823B (zh) | 2022-02-08 |
Family
ID=71795481
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010483943.XA Active CN111486823B (zh) | 2020-06-01 | 2020-06-01 | 一种提高太阳系小天体的天体测量观测精度的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111486823B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112019745A (zh) * | 2020-08-31 | 2020-12-01 | 苏州振旺光电有限公司 | 一种获取天区目标图像的方法和天文摄影设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110026832A1 (en) * | 2009-05-20 | 2011-02-03 | Lemoigne-Stewart Jacqueline J | Automatic extraction of planetary image features |
CN103578088A (zh) * | 2013-11-20 | 2014-02-12 | 中国人民解放军海军大连舰艇学院 | 一种星空图像处理方法 |
CN103837150A (zh) * | 2014-03-19 | 2014-06-04 | 中国科学院国家天文台 | 一种ccd天顶望远镜地面快速天文定位的方法 |
-
2020
- 2020-06-01 CN CN202010483943.XA patent/CN111486823B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110026832A1 (en) * | 2009-05-20 | 2011-02-03 | Lemoigne-Stewart Jacqueline J | Automatic extraction of planetary image features |
CN103578088A (zh) * | 2013-11-20 | 2014-02-12 | 中国人民解放军海军大连舰艇学院 | 一种星空图像处理方法 |
CN103837150A (zh) * | 2014-03-19 | 2014-06-04 | 中国科学院国家天文台 | 一种ccd天顶望远镜地面快速天文定位的方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112019745A (zh) * | 2020-08-31 | 2020-12-01 | 苏州振旺光电有限公司 | 一种获取天区目标图像的方法和天文摄影设备 |
WO2022042350A1 (zh) * | 2020-08-31 | 2022-03-03 | 苏州振旺光电有限公司 | 一种获取天区目标图像的方法和天文摄影设备 |
Also Published As
Publication number | Publication date |
---|---|
CN111486823B (zh) | 2022-02-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Erben et al. | GaBoDS: The Garching‐Bonn Deep Survey: IV. Methods for the image reduction of multi‐chip cameras demonstrated on data from the ESOWide‐Field Imager | |
Fadda et al. | The Spitzer Space Telescope extragalactic first look survey: 24 μm data reduction, catalog, and source identification | |
Gössl et al. | Image reduction pipeline for the detection of variable sources in highly crowded fields | |
US8218013B1 (en) | Star sensing for an earth imaging sensor | |
CN108645401B (zh) | 基于姿态关联图像叠加的全天时星敏感器星点提取方法 | |
CN104101297B (zh) | 一种基于光电观测的空间物体尺度获取方法 | |
Gal-Yam et al. | Supernovae in low-redshift galaxy clusters: Observations by the Wise Observatory Optical Transient Search (WOOTS) | |
CN108876846B (zh) | 一种基于光变曲线的卫星本体尺寸计算方法 | |
CN111486823B (zh) | 一种提高太阳系小天体的天体测量观测精度的方法 | |
CN108876829B (zh) | 基于非线性尺度空间及径向基函数的sar高精度配准方法 | |
Hinz et al. | A Near-Infrared, Wide-Field, Proper-Motion Search for Brown Dwarfs | |
Kozak | “Falling Star”: Software for processing of double-station TV meteor observations | |
CN115578448B (zh) | 一种基于ccd观测数据批处理的天文定位方法及系统 | |
CN111578907B (zh) | 一种近地小天体可观测极限视星等的估算方法 | |
Gudmundson | Ground based attitude determination using a SWIR star tracker | |
CN111680552B (zh) | 一种特征部位智能识别方法 | |
Shakun et al. | Determination of visible coordinates of the low-orbit space objects and their photometry by the CCD camera with the analogue output. Initial image processing | |
Lobo et al. | A photometric catalogue of the Coma cluster core | |
CN112053310B (zh) | 一种ccd图像中空间目标的拖尾星象定心方法 | |
Skuljan et al. | Automated astrometric analysis of satellite observations using wide-field imaging | |
CN114677275B (zh) | 一种高频次重复凝视成像空基遥感载荷在轨测试方法 | |
Liao et al. | Parameters optimization of image sensor for star sensors | |
Gallego-Cano et al. | Accurate uncertainty estimation in crowded fields: adaptive optics and speckle data | |
Vasilyuk | Accumulation of Motion-Blurred Star Images Obtained by a Strapdown Astroinertial Navigation System under Daytime Conditions | |
Malygin et al. | Development of adaptive filtering for nanosatellite electron-optical device based on the «Synergy» platform for researching the North-West region of Russia |
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 |