CN114820665B - 一种星图背景抑制方法、装置、计算机设备和存储介质 - Google Patents
一种星图背景抑制方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN114820665B CN114820665B CN202210756831.6A CN202210756831A CN114820665B CN 114820665 B CN114820665 B CN 114820665B CN 202210756831 A CN202210756831 A CN 202210756831A CN 114820665 B CN114820665 B CN 114820665B
- Authority
- CN
- China
- Prior art keywords
- background
- image
- suppression
- fitting
- preliminary
- 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.)
- Active
Links
- 230000001629 suppression Effects 0.000 title claims abstract description 178
- 238000000034 method Methods 0.000 title claims abstract description 70
- 238000000605 extraction Methods 0.000 claims abstract description 42
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 16
- 230000005764 inhibitory process Effects 0.000 claims abstract description 12
- 238000004590 computer program Methods 0.000 claims description 14
- 239000011159 matrix material Substances 0.000 claims description 12
- 230000002401 inhibitory effect Effects 0.000 abstract description 6
- 230000000694 effects Effects 0.000 abstract description 5
- 238000000638 solvent extraction Methods 0.000 abstract 1
- 238000001914 filtration Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 5
- 239000012634 fragment Substances 0.000 description 5
- 230000011218 segmentation Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000000877 morphologic effect Effects 0.000 description 3
- 230000000903 blocking effect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000003595 mist Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20132—Image cropping
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及一种星图背景抑制方法、装置、计算机设备和存储介质。所述方法包括:将原始图像分块后,通过sigma迭代裁剪算法选取迭代裁剪结果与原始图像灰度值相等的像素点作为拟合种子点,根据拟合种子点集合得到拟合参数,通过多项式拟合对星图背景进行估计,并利用估计的星图背景对原始图像的背景进行初次抑制;计算初步背景抑制图像的最小梯度图,根据最小梯度图和任一像素点的局部区域像素值确定提取阈值,根据提取阈值确定初步背景抑制图像的暗局部空间通道;根据暗局部空间通道对初步背景抑制图像的背景进行强化抑制,得到强化背景抑制图像。本发明可实现抑制背景提高目标信噪比的目的,且该方法效果对抑制参数不敏感。
Description
技术领域
本申请涉及图像分析技术领域,特别是涉及一种基于多项式拟合和暗局部空间通道的星图背景抑制方法、装置、计算机设备和存储介质。
背景技术
星图背景抑制是决定光学图像空间碎片检测的关键预处理技术,好的背景抑制效果是保证弱小空间碎片被有效检测的前提。
星图背景主要由月光、薄雾、人造光污染以及地气光(天基)等杂散光构成,相较于背景恒星、碎片目标及辐射噪声等,背景在空域表现为起伏平缓的大块雾状斑块,在频域上主要为低频成分。由于空间碎片目标属于典型的弱小目标,背景对目标提取的干扰不容忽视。空间碎片探测图像背景抑制的准则是在背景抑制的基础上尽可能提高碎片目标的信噪比,背景抑制程度与弱小碎片目标信噪比提升程度往往是一对矛盾量,即当背景抑制程度大时很容易导致碎片目标的能量损失甚至部分弱小目标直接被抑制掉,目前被广泛应用的背景抑制算法难以很好平衡这一矛盾,因此有必要提出一种性能更好的星图背景精准抑制算法。
根据可查阅的公开文献可知,目前应用于星图背景抑制问题的方法主要有两大类方法,灰度分割类:阈值分割,Sigma迭代裁剪;统计排序滤波器类:中值滤波,形态学滤波等。具体来说,阈值分割法计算简单,但仅适用于背景起伏很小的场合,且容易错误抑制掉弱小碎片目标,该方法通常与其他方法配合使用;Sigma迭代裁剪实际是一个变阈值分割法,该方法在一定程度上缓解了定阈值分割法的不足,但同样存在错误抑制掉弱小碎片目标的问题;中值滤波和形态学滤波都属于统计排序滤波器,是一类相对来说更有效的常用星图背景抑制方法,该类方法需要提前设定合适的滤波核尺寸,其抑制效果对滤波核尺寸非常敏感:滤波核尺寸过大会大大增加计算量,且抑制效果不佳,滤波核过小会抑制掉碎片或恒星目标,且该类方法无法很好保留目标灰度和边缘特性,这会影响后期的质心定位精度。综上,目前常用的星图背景抑制方法主要存在如下两点不足:一、难以平衡背景抑制与弱小碎片目标信噪比提升这对矛盾,即当背景抑制程度大时很容易导致碎片目标的能量损失甚至部分弱小目标直接被抑制掉;二、抑制效果对抑制参数过于敏感,这限制了算法的普适性和智能化程度。
发明内容
基于此,有必要针对上述技术问题,提供一种能够抑制背景提高目标信噪比且对抑制参数不敏感的星图背景抑制方法、装置、计算机设备和存储介质。
一种星图背景抑制方法,所述方法包括:
获取待处理星图的原始图像,将所述原始图像分为多个子块图像;
通过sigma迭代裁剪算法对每个所述子块图像进行处理,选取迭代裁剪结果与所述原始图像灰度值相等的像素点作为拟合种子点,进而得到拟合种子点集合;
根据所述拟合种子点集合得到拟合参数,根据所述拟合参数通过多项式拟合对星图背景进行估计,并利用估计的星图背景对所述原始图像的背景进行初次抑制,得到初步背景抑制图像;
计算所述初步背景抑制图像的最小梯度图,根据所述最小梯度图和任一像素点的局部区域像素值确定提取阈值,根据所述提取阈值确定所述初步背景抑制图像的暗局部空间通道;
根据所述暗局部空间通道对所述初步背景抑制图像的背景进行强化抑制,得到强化背景抑制图像。
在其中一个实施例中,还包括:根据所述拟合种子点集合得到拟合参数为:
在其中一个实施例中,还包括:根据所述拟合参数通过多项式拟合对星图背景进行估计,得到估计的星图背景为:
在其中一个实施例中,还包括:利用估计的星图背景对所述原始图像的背景进行初次抑制,得到初步背景抑制图像为:
在其中一个实施例中,还包括:根据所述最小梯度图得到所述最小梯度图的标准差;
进而得到所述初步背景抑制图像的暗局部空间通道。
在其中一个实施例中,还包括:根据所述暗局部空间通道对所述初步背景抑制图像的背景进行强化抑制,得到强化背景抑制图像为:
一种星图背景抑制装置,所述装置包括:
子块图像获取模块,用于获取待处理星图的原始图像,将所述原始图像分为多个子块图像;
拟合种子点集合确定模块,用于通过sigma迭代裁剪算法对每个所述子块图像进行处理,选取迭代裁剪结果与所述原始图像灰度值相等的像素点作为拟合种子点,进而得到拟合种子点集合;
初步抑制模块,用于根据所述拟合种子点集合得到拟合参数,根据所述拟合参数通过多项式拟合对星图背景进行估计,并利用估计的星图背景对所述原始图像的背景进行初次抑制,得到初步背景抑制图像;
暗局部空间通道确定模块,用于计算所述初步背景抑制图像的最小梯度图,根据所述最小梯度图和任一像素点的局部区域像素值确定提取阈值,根据所述提取阈值确定所述初步背景抑制图像的暗局部空间通道;
强化抑制模块,用于根据所述暗局部空间通道对所述初步背景抑制图像的背景进行强化抑制,得到强化背景抑制图像。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取待处理星图的原始图像,将所述原始图像分为多个子块图像;
通过sigma迭代裁剪算法对每个所述子块图像进行处理,选取迭代裁剪结果与所述原始图像灰度值相等的像素点作为拟合种子点,进而得到拟合种子点集合;
根据所述拟合种子点集合得到拟合参数,根据所述拟合参数通过多项式拟合对星图背景进行估计,并利用估计的星图背景对所述原始图像的背景进行初次抑制,得到初步背景抑制图像;
计算所述初步背景抑制图像的最小梯度图,根据所述最小梯度图和任一像素点的局部区域像素值确定提取阈值,根据所述提取阈值确定所述初步背景抑制图像的暗局部空间通道;
根据所述暗局部空间通道对所述初步背景抑制图像的背景进行强化抑制,得到强化背景抑制图像。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取待处理星图的原始图像,将所述原始图像分为多个子块图像;
通过sigma迭代裁剪算法对每个所述子块图像进行处理,选取迭代裁剪结果与所述原始图像灰度值相等的像素点作为拟合种子点,进而得到拟合种子点集合;
根据所述拟合种子点集合得到拟合参数,根据所述拟合参数通过多项式拟合对星图背景进行估计,并利用估计的星图背景对所述原始图像的背景进行初次抑制,得到初步背景抑制图像;
计算所述初步背景抑制图像的最小梯度图,根据所述最小梯度图和任一像素点的局部区域像素值确定提取阈值,根据所述提取阈值确定所述初步背景抑制图像的暗局部空间通道;
根据所述暗局部空间通道对所述初步背景抑制图像的背景进行强化抑制,得到强化背景抑制图像。
上述星图背景抑制方法、装置、计算机设备和存储介质,将原始图像分为多个子块图像后,通过sigma迭代裁剪算法选取迭代裁剪结果与原始图像灰度值相等的像素点作为拟合种子点,得到拟合种子点集合;根据拟合种子点集合得到拟合参数,通过多项式拟合对星图背景进行估计,并利用估计的星图背景对原始图像的背景进行初次抑制;计算初步背景抑制图像的最小梯度图,根据最小梯度图和任一像素点的局部区域像素值确定提取阈值,根据提取阈值确定初步背景抑制图像的暗局部空间通道;根据暗局部空间通道对初步背景抑制图像的背景进行强化抑制,得到强化背景抑制图像。本发明根据星图背景特性提出一种多项式背景估计模型和暗局部空间通道概念,可实现抑制背景提高目标信噪比的目的,且该方法效果对抑制参数不敏感,具有较好的实用性。
附图说明
图1为一个实施例中星图背景抑制方法的流程示意图;
图2为一个具体实施例中星图背景抑制方法的流程示意图;
图3为一个具体实施例中星图背景抑制过程相关图像,其中,(a)为星图原图,(b)为sigma分块迭代裁剪提取的拟合背景种子,(c)为多项式拟合估计的背景,(d)为初次背景抑制后星图,(e)为暗局部空间通道(L=25),(f)为强化背景抑制后星图;
图4为一个实施例中采用现有方法实施星图背景抑制过程相关图像,其中,(a)为中值滤波估计的背景(核:25*25),(b)为中值滤波抑制后星图,(c)为Top-Hat变换估计的背景(核:25*25),(d)为Top-Hat变换抑制后星图;
图5为一个实施例中星图背景抑制装置的结构框图;
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在一个实施例中,如图1所示,提供了一种星图背景抑制方法,包括以下步骤:
步骤102,获取待处理星图的原始图像,将原始图像分为多个子块图像。
进行分块裁剪的原因是,虽然星图背景在局部变化是平缓的但在整幅星图上分布并不均匀,且对于大尺寸星图进行全图拟合计算量过大,因此从拟合效果和实时性角度考虑采用分块裁剪拟合策略是合理的。且该方法的抑制效果对每个子块的长宽尺寸并不敏感,长宽尺寸设定为256、512等便于计算的合适尺寸即可。
步骤104,通过sigma迭代裁剪算法对每个子块图像进行处理,选取迭代裁剪结果与原始图像灰度值相等的像素点作为拟合种子点,进而得到拟合种子点集合。
sigma迭代裁剪算法是一种现有算法,实际是一个变阈值分割法。选取迭代裁剪结果与原始图像灰度值相等的像素点作为拟合种子点,可以保证拟合种子尽量来源于不包含目标的图像区域。
步骤106,根据拟合种子点集合得到拟合参数,根据拟合参数通过多项式拟合对星图背景进行估计,并利用估计的星图背景对原始图像的背景进行初次抑制,得到初步背景抑制图像。
基于星图背景亮度变化平缓这一先验,本发明提出利用二元三次多项式模型对背景进行拟合。
步骤108,计算初步背景抑制图像的最小梯度图,根据最小梯度图和任一像素点的局部区域像素值确定提取阈值,根据提取阈值确定初步背景抑制图像的暗局部空间通道。
步骤110,根据暗局部空间通道对初步背景抑制图像的背景进行强化抑制,得到强化背景抑制图像。
基于如下先验,灰度太空探测图像的目标为点目标仅占据小部分区域,其周围都是背景,所以可通过局部空间上的暗像素提取暗通道,利用提取的暗通道对背景进一步进行强化抑制。
上述星图背景抑制方法中,将原始图像分为多个子块图像后,通过sigma迭代裁剪算法选取迭代裁剪结果与原始图像灰度值相等的像素点作为拟合种子点,得到拟合种子点集合;根据拟合种子点集合得到拟合参数,通过多项式拟合对星图背景进行估计,并利用估计的星图背景对原始图像的背景进行初次抑制;计算初步背景抑制图像的最小梯度图,根据最小梯度图和任一像素点的局部区域像素值确定提取阈值,根据提取阈值确定初步背景抑制图像的暗局部空间通道;根据暗局部空间通道对初步背景抑制图像的背景进行强化抑制,得到强化背景抑制图像。本发明根据星图背景特性提出一种多项式背景估计模型和暗局部空间通道概念,可实现抑制背景提高目标信噪比的目的,且该方法效果对抑制参数不敏感,具有较好的实用性。
在其中一个实施例中,还包括:根据拟合种子点集合得到拟合参数为:
在其中一个实施例中,还包括:根据拟合参数通过多项式拟合对星图背景进行估计,得到估计的星图背景为:
在其中一个实施例中,还包括:利用估计的星图背景对原始图像的背景进行初次抑制,得到初步背景抑制图像为:
在其中一个实施例中,还包括:根据最小梯度图得到最小梯度图的标准差;
进而得到初步背景抑制图像的暗局部空间通道。
在其中一个实施例中,还包括:根据暗局部空间通道对初步背景抑制图像的背景进行强化抑制,得到强化背景抑制图像为:
在一具体实施例中,如图2所示,提供了一种基于多项式拟合和暗局部空间通道的星图背景抑制方法,具体步骤如下:
S2.对每个子块利用sigma迭代裁剪技术提取拟合种子点;
S3.利用多项式拟合对背景进行首次抑制;
S4.利用暗局部空间通道对背景进行强化抑制
其中步骤S1的具体步骤如下:
直接将输入的原始星图分为n个子块。该方法的抑制效果对每个子块的长宽尺寸不敏感,长宽尺寸设定为256、512等便于计算的合适尺寸即可。
步骤S2的具体步骤如下:
S2.1 sigma分块迭代裁剪
对步骤S1中的每个子块进行sigma迭代裁剪:
sigma迭代裁剪表达式如下:
S2.2 综合原图和sigma迭代裁剪结果提取拟合种子点
为保证拟合种子尽量来源于不包含目标的图像区域,这里选取迭代裁剪结果与原图灰度值相等的像素作为拟合种子点,集合表示如下:
步骤S3的具体步骤如下:
基于星图背景亮度变化平缓这一先验,这里提出利用二元三次多项式模型对背景进行拟合,具体形式如下:
S3.1 利用最小二乘法获取拟合参数
基于步骤S2提取的拟合种子点计算拟合参数,具体表达式如下:
S3.2 根据拟合参数对背景进行估计
S3.3 利用估计的背景对背景进行首次抑制
直接利用原始星图与估计背景对应像素求差对背景进行首次抑制,具体表达式如下:
步骤S4的具体步骤如下:
该部分基于如下先验,灰度太空探测图像的目标为点目标仅占据小部分区域,其周围都是背景,所以可通过局部空间上的暗像素提取暗通道,利用提取的暗通道对背景进一步进行强化抑制。
S4.1 获取最小梯度图
在提取暗局部空间通道过程中需要设定提取阈值,该发明中阈值与最小梯度的标准差有关,因此需首先获取首次背景抑制后星图的最小梯度图。最小梯度图的计算方法为,对任一像素点,计算与其八联通的像素差的绝对值,取最小值作为最小梯度图上该点的值。具体表达式如下:
S4.2 获取暗局部空间通道
这里局部区域尺寸大于目标尺寸即可,鉴于空间碎片都为点目标并考虑计算量,建议取25到50即可,经分析抑制效果对该参数并不敏感。为满足条件像素点集的均值,对于阈值该发明中取最小梯度图的2倍标准差与局部区域内最小值的和,即
S4.3 利用暗局部空间通道对背景进行强化抑制
图3是对具体实施例中星图原图采用本发明所提方法进行背景抑制过程相关图像,其中(a)为星图原图,(b)为sigma分块迭代裁剪提取的拟合背景种子(16*16块),(c)为多项式拟合估计的背景,(d)为初次背景抑制后星图,(e)为暗局部空间通道(L=25),(f)为强化背景抑制后星图。图4是分别采用中值滤波和Top-Hat变换形态学滤波法对星图背景抑制过程相关图像,原图与图3(a)相同,其中,(a)为中值滤波估计的背景(核:25*25),(b)为中值滤波抑制后星图,(c)为Top-Hat变换估计的背景(核:25*25),(d)为Top-Hat变换抑制后星图。对比图3(f)和图4(b)、4(d),可见本发明所提方法具有更好的背景抑制效果。
应该理解的是,虽然图1-2的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1-2中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图5所示,提供了一种星图背景抑制装置,包括:子块图像获取模块502、拟合种子点集合确定模块504、初步抑制模块506、暗局部空间通道确定模块508和强化抑制模块510,其中:
子块图像获取模块502,用于获取待处理星图的原始图像,将原始图像分为多个子块图像;
拟合种子点集合确定模块504,用于通过sigma迭代裁剪算法对每个子块图像进行处理,选取迭代裁剪结果与原始图像灰度值相等的像素点作为拟合种子点,进而得到拟合种子点集合;
初步抑制模块506,用于根据拟合种子点集合得到拟合参数,根据拟合参数通过多项式拟合对星图背景进行估计,并利用估计的星图背景对原始图像的背景进行初次抑制,得到初步背景抑制图像;
暗局部空间通道确定模块508,用于计算初步背景抑制图像的最小梯度图,根据最小梯度图和任一像素点的局部区域像素值确定提取阈值,根据提取阈值确定初步背景抑制图像的暗局部空间通道;
强化抑制模块510,用于根据暗局部空间通道对初步背景抑制图像的背景进行强化抑制,得到强化背景抑制图像。
初步抑制模块506还用于根据拟合种子点集合得到拟合参数为:
初步抑制模块506还用于根据拟合参数通过多项式拟合对星图背景进行估计,得到估计的星图背景为:
初步抑制模块506还用于利用估计的星图背景对原始图像的背景进行初次抑制,得到初步背景抑制图像为:
暗局部空间通道确定模块508还用于根据最小梯度图得到最小梯度图的标准差;
进而得到初步背景抑制图像的暗局部空间通道。
强化抑制模块510还用于根据暗局部空间通道对初步背景抑制图像的背景进行强化抑制,得到强化背景抑制图像为:
关于星图背景抑制装置的具体限定可以参见上文中对于星图背景抑制方法的限定,在此不再赘述。上述星图背景抑制装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种星图背景抑制方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,该存储器存储有计算机程序,该处理器执行计算机程序时实现上述方法实施例中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种星图背景抑制方法,其特征在于,所述方法包括:
获取待处理星图的原始图像,将所述原始图像分为多个子块图像;
通过sigma迭代裁剪算法对每个所述子块图像进行处理,选取迭代裁剪结果与所述原始图像灰度值相等的像素点作为拟合种子点,进而得到拟合种子点集合;
根据所述拟合种子点集合得到拟合参数,根据所述拟合参数通过多项式拟合对星图背景进行估计,并利用估计的星图背景对所述原始图像的背景进行初次抑制,得到初步背景抑制图像;
计算所述初步背景抑制图像的最小梯度图,根据所述最小梯度图和任一像素点的局部区域像素值确定提取阈值,根据所述提取阈值确定所述初步背景抑制图像的暗局部空间通道;
根据所述暗局部空间通道对所述初步背景抑制图像的背景进行强化抑制,得到强化背景抑制图像。
8.一种星图背景抑制装置,其特征在于,所述装置包括:
子块图像获取模块,用于获取待处理星图的原始图像,将所述原始图像分为多个子块图像;
拟合种子点集合确定模块,用于通过sigma迭代裁剪算法对每个所述子块图像进行处理,选取迭代裁剪结果与所述原始图像灰度值相等的像素点作为拟合种子点,进而得到拟合种子点集合;
初步抑制模块,用于根据所述拟合种子点集合得到拟合参数,根据所述拟合参数通过多项式拟合对星图背景进行估计,并利用估计的星图背景对所述原始图像的背景进行初次抑制,得到初步背景抑制图像;
暗局部空间通道确定模块,用于计算所述初步背景抑制图像的最小梯度图,根据所述最小梯度图和任一像素点的局部区域像素值确定提取阈值,根据所述提取阈值确定所述初步背景抑制图像的暗局部空间通道;
强化抑制模块,用于根据所述暗局部空间通道对所述初步背景抑制图像的背景进行强化抑制,得到强化背景抑制图像。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210756831.6A CN114820665B (zh) | 2022-06-30 | 2022-06-30 | 一种星图背景抑制方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210756831.6A CN114820665B (zh) | 2022-06-30 | 2022-06-30 | 一种星图背景抑制方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114820665A CN114820665A (zh) | 2022-07-29 |
CN114820665B true CN114820665B (zh) | 2022-09-02 |
Family
ID=82523283
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210756831.6A Active CN114820665B (zh) | 2022-06-30 | 2022-06-30 | 一种星图背景抑制方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114820665B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007063262A2 (fr) * | 2005-12-02 | 2007-06-07 | France Telecom | Procede d'extraction d'un objet sur un fond projete |
CN105761227A (zh) * | 2016-03-04 | 2016-07-13 | 天津大学 | 基于暗通道先验与白平衡的水下图像增强方法 |
CN105959510A (zh) * | 2016-04-22 | 2016-09-21 | 湖南工学院 | 一种视频快速去雾方法 |
CN109978797A (zh) * | 2019-04-08 | 2019-07-05 | 自然资源部国土卫星遥感应用中心 | 基于暗通道噪声模板的主动式像素传感器星图去噪方法 |
CN111353496A (zh) * | 2018-12-20 | 2020-06-30 | 中国科学院沈阳自动化研究所 | 一种红外弱小目标实时检测方法 |
CN111667462A (zh) * | 2020-05-12 | 2020-09-15 | 常熟理工学院 | 一种焊接缺陷中弱小目标的自动检测方法与系统 |
CN113888562A (zh) * | 2021-10-21 | 2022-01-04 | 北京环境特性研究所 | 目标检测方法、装置、计算设备及存储介质 |
CN114240789A (zh) * | 2021-12-21 | 2022-03-25 | 华南农业大学 | 一种基于优化的保持亮度的红外图像直方图均衡增强方法 |
-
2022
- 2022-06-30 CN CN202210756831.6A patent/CN114820665B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007063262A2 (fr) * | 2005-12-02 | 2007-06-07 | France Telecom | Procede d'extraction d'un objet sur un fond projete |
CN105761227A (zh) * | 2016-03-04 | 2016-07-13 | 天津大学 | 基于暗通道先验与白平衡的水下图像增强方法 |
CN105959510A (zh) * | 2016-04-22 | 2016-09-21 | 湖南工学院 | 一种视频快速去雾方法 |
CN111353496A (zh) * | 2018-12-20 | 2020-06-30 | 中国科学院沈阳自动化研究所 | 一种红外弱小目标实时检测方法 |
CN109978797A (zh) * | 2019-04-08 | 2019-07-05 | 自然资源部国土卫星遥感应用中心 | 基于暗通道噪声模板的主动式像素传感器星图去噪方法 |
CN111667462A (zh) * | 2020-05-12 | 2020-09-15 | 常熟理工学院 | 一种焊接缺陷中弱小目标的自动检测方法与系统 |
CN113888562A (zh) * | 2021-10-21 | 2022-01-04 | 北京环境特性研究所 | 目标检测方法、装置、计算设备及存储介质 |
CN114240789A (zh) * | 2021-12-21 | 2022-03-25 | 华南农业大学 | 一种基于优化的保持亮度的红外图像直方图均衡增强方法 |
Non-Patent Citations (2)
Title |
---|
Space Debris Tracking Via Generalized Labeled;牛照东;《IEEE》;20200216;1-4 * |
天基复杂背景下空间暗弱小目标检测方法研究;李梦阳;《中国博士学位论文全文数据库 (基础科学辑)》;20210131(第1期);B026-11 * |
Also Published As
Publication number | Publication date |
---|---|
CN114820665A (zh) | 2022-07-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9483835B2 (en) | Depth value restoration method and system | |
US20220383463A1 (en) | Method and device for image fusion, computing processing device, and storage medium | |
CN111860670A (zh) | 域自适应模型训练、图像检测方法、装置、设备及介质 | |
Li et al. | An adaptive nonlocal regularized shadow removal method for aerial remote sensing images | |
CN104794685B (zh) | 一种实现图像去噪的方法及装置 | |
CN107067405B (zh) | 基于尺度优选的遥感影像分割方法 | |
CN110348425B (zh) | 去底纹的方法、装置、设备及计算机可读存储介质 | |
CN110176021B (zh) | 结合亮度校正的显著性信息的水平集图像分割方法及系统 | |
CN115147710A (zh) | 基于异质滤波探测与水平集分割的声纳图像目标处理方法 | |
CN108510499A (zh) | 一种基于模糊集和Otsu的图像阈值分割方法及装置 | |
CN113781406B (zh) | 电子元器件的划痕检测方法、装置及计算机设备 | |
Gupta et al. | Linearly quantile separated weighted dynamic histogram equalization for contrast enhancement | |
CN112381727A (zh) | 一种图像去噪方法、装置、计算机设备和存储介质 | |
CN113344810A (zh) | 基于动态数据分布的图像增强方法 | |
CN115797300A (zh) | 一种基于自适应梯度阈值canny算子的边缘检测方法及其装置 | |
CN108765463B (zh) | 一种结合区域提取与改进纹理特征的运动目标检测方法 | |
Huang et al. | Efficient contrast enhancement with truncated adaptive gamma correction | |
Paravolidakis et al. | Coastline extraction from aerial images based on edge detection | |
Bernander et al. | Improving the stochastic watershed | |
CN113505702A (zh) | 基于双神经网络优化的路面病害识别方法及系统 | |
CN104952071A (zh) | 一种基于灰度空间相关的最大类间方差图像分割算法 | |
CN114820665B (zh) | 一种星图背景抑制方法、装置、计算机设备和存储介质 | |
CN113284066A (zh) | 遥感影像自动云检测方法和装置 | |
CN110930358B (zh) | 一种基于自适应算法的太阳能面板图像处理方法 | |
CN109658416A (zh) | Sar图像海陆分割方法、装置、计算机设备和可读存储介质 |
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 |