CN116309749A - 一种基于地面-空间图像联合的多波段太阳图像配准方法 - Google Patents
一种基于地面-空间图像联合的多波段太阳图像配准方法 Download PDFInfo
- Publication number
- CN116309749A CN116309749A CN202310246659.4A CN202310246659A CN116309749A CN 116309749 A CN116309749 A CN 116309749A CN 202310246659 A CN202310246659 A CN 202310246659A CN 116309749 A CN116309749 A CN 116309749A
- Authority
- CN
- China
- Prior art keywords
- image
- solar
- resolution
- full
- registration
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000012545 processing Methods 0.000 claims abstract description 8
- 230000006872 improvement Effects 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 238000011160 research Methods 0.000 abstract description 9
- 238000004587 chromatography analysis Methods 0.000 abstract description 4
- GWEVSGVZZGPLCZ-UHFFFAOYSA-N Titan oxide Chemical compound O=[Ti]=O GWEVSGVZZGPLCZ-UHFFFAOYSA-N 0.000 description 12
- OGIDPMRJRNCKJF-UHFFFAOYSA-N titanium oxide Inorganic materials [Ti]=O OGIDPMRJRNCKJF-UHFFFAOYSA-N 0.000 description 12
- 238000010586 diagram Methods 0.000 description 6
- 238000003384 imaging method Methods 0.000 description 6
- 230000009466 transformation Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 238000004164 analytical calibration Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000000053 physical method Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002277 temperature effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000013519 translation Methods 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
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10036—Multispectral image; Hyperspectral image
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10041—Panchromatic image
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Spectrometry And Color Measurement (AREA)
Abstract
本发明公开了一种基于地面‑空间图像联合的多波段太阳图像配准方法，解决了来自不同波段、不同设备的高空间分辨率太阳图像之间的配准问题，该方法通过全日面像坐标标定、全日面光球像与局部高分辨率光球像的配准、全日面色球像与局部高分辨率色球像的配准三个主要环节，实现高分辨率局部色球像与局部光球像的配准，通过精确配准方法的研究攻克了不同波段图像之间配准的关键技术问题，实现不同波段太阳图像的高精度配准(精度在0.1‑0.3角秒)，为发挥局部高分辨率图像在太阳大气小尺度活动、太阳大气动力学演化的多波段层析研究中的价值提供重要的技术保障，为新一代小视场、高分辨率太阳望远镜的观测数据处理提供重要的技术参考。
Description
技术领域
本发明涉及天文技术和图像处理领域，具体涉及一种基于地面-空间图像联合的多波段太阳图像配准方法。
背景技术
多波段成像观测是现今太阳物理实测研究的重要手段。科学家可借助多波段太阳图像研究太阳大气各类活动现象(如太阳黑子、太阳耀斑、暗条结构等)的物理特性和相互关系。这些活动现象存在于太阳各个大气层中(光球、色球、日冕)，彼此联系甚至相互影响。它们可以发生在太阳不同辐射波段、不同时间尺度和空间尺度上，具有不同的图像结构特征。因此在实际研究中需要同时用到多个波段的图像实现对太阳活动现象从光球到色球再到日冕的综合分析。这些多波段太阳图像来自于同一设备的不同观测通道或者来自于不同观测设备。为了综合利用这些图像对太阳大气活动现象进行多波段层析研究，首要解决的问题就是如何实现多波段太阳图像之间的配准(即图像之间的空间对齐)。随着太阳物理研究对精细结构信息的需求不断提高，太阳实测已经进入高分辨率观测时代。目前，地基大型望远镜口径普遍达到了1-米量级，空间分辨率在0.1角秒量级。
目前，太阳多波段成像观测可分为两大类。一类是全日面(约32角分)成像观测，它为人们提供了整个日面的全景像(synopticobservation)，在研究太阳大尺度结构活动及演化、太阳活动监测、太阳耀斑爆发预报等方面发挥着重要作用。另一类是高分辨率成像观测，它为人们提供了太阳大气局部视场的(视场在5角分以内)、高空间分辨率的(空间分辨率在亚角秒量级)图像，主要用以研究太阳的小尺度结构与演化(如气孔形成与演化，黑子半影演化，小尺度磁结构等等)。针对这两大类太阳图像，现有的配准方法也可分为全日面像的配准，局部高分辨率太阳像的配准。对于多波段全日面太阳像之间的配准，主要是利用图像头文件中记录的望远镜指向信息、底片比例尺、观测时间等信息，利用SolarSoftWare(SSW)软件包将来自不同设备的全日面像转换到同一日球坐标系下。但是，这种方法依赖于头文件信息的准确度和精度，这些都很大程度限制配准精度。例如，对于空间动力天文台(SolarDynamic Observatory,SDO)的全日面像，在已知最精确的头文件信息下，其配准精度在0.3角秒，但多数情况下配准结果会存在0.6-1.2角秒的偏差。若要求更高的配准精度，则需要数据使用者自己进行进一步的精确处理。
对于多波段局部高分辨率太阳图像而言，配准方法总结起来可分为两种：一种是基于仪器校准的方法，另一种是基于后期配准算法的方法。例如，对于Hinode卫星搭载的光学望远镜(SOT)的光球图像和X-射线望远镜(XRT)的极紫外图像。研究人员通过定期对两架望远镜同时采集G-band光球像，利用图像中的太阳黑子结构等信息解决两架望远镜之间的视场偏移问题。Yoshimura等人(2015年)又进一步对Hinode/XRT的指向精度、滚转角以及底片比例尺等仪器参数信息做了更加精确的校准测量，从而有利于实现多波段图像间的精确空间对齐。
近年来，随着太阳精细结构研究的发展，太阳图像的精确配准也有很多新的进展。Feng等人(2015年)提出了一种针对低信噪比图像的亚角秒配准算法，用以实现太阳光球像亚角秒量级的相关对齐。岳昕等人(2015年)提出了基于信息熵与SIFT算法，有效提高了单波段太阳像的配准质量。冯涛等人(2018年)提出了一种结合局部统计信息和控制点匹配的方法，实现了地面-空间望远镜太阳光球像之间的高精度配准，配准偏差控制在0.25角秒以内。
但是，基于仪器校准的方法、基于后期配准算法或者基于太阳精细结构研究的方法，存在以下不足：
(1)基于仪器校准的空间配准方法，只能解决光路装调误差或者设计差异等因素造成的各波段图像之间的视场差异等问题，而多数高分辨率太阳像来自于地基望远镜，地球大气对图像视场的影响无法通过仪器校准消除；
(2)基于后期配准算法的方法，需要手动挑选匹配特征限制了图像配准确度，并且配准的自动化程度不够高；只能处理图像的平移问题，不能解决图像之间可能存在的旋转差异以及像素比例尺差异等问题；对于大的旋转角和比例尺差异则是通过试错法来调整，这也大大影响图像的配准精度；
(3)基于太阳精细结构研究的方法，其配准对象或是两个来自于同一设备的单波段太阳像，或是不同仪器观测的相同波段太阳像，图像之间具有相同的图像内容和特征结构，并不能直接用来解决不同波段、具有不同特征结构的太阳图像的配准。
发明内容
为了解决来自不同波段、不同设备的高空间分辨率太阳图像之间的配准问题，本发明提出了一种基于地面-空间图像联合的多波段太阳图像配准方法，利用地面的全天候GONG色球图像与空间动力天文台(SolarDynamicObservatory,SDO)连续谱光球图像的日面坐标对齐以及黑子图像配准，得到太阳光球层与色球层图像的空间对齐坐标，再通过由粗到细的配准策略分别实现地面高分辨太阳色球像/光球像与空间色球像/光球像的区域对齐，从而实现两个波段的太阳高分辨图像的精确配准。
本发明提供的技术解决方案如下：
一种基于地面-空间图像联合的多波段太阳图像配准方法，其特殊之处在于，包括以下步骤：
进行全日面图像坐标校准，所述全日面图像为SDO光球图像、GONG色球图像的全日面图像；
根据校准后的所述全日面图像坐标进行多波段太阳图像的日面视场粗定位，所述多波段太阳图像为多波段高分辨率局部太阳图像，获得所需的全日面图像局部视场；
对所述全日面图像局部视场进行分辨率提升，从而提高所述全日面图像与所述多波段高分辨率局部太阳图像的配准精度；
进行SDO光球图像、GONG色球图像与所述多波段高分辨率局部太阳图像的精确配准。
进一步地，所述进行全日面图像的坐标校准，包括：
以日面经纬坐标系下SDO光球图像的全日面图像为参考，对GONG色球图像的全日面图像进行初步的坐标校准；
进行全日面图像坐标校准之后的旋转残差矫正。
进一步地，所述根据校准后的所述全日面图像坐标进行多波段太阳图像的日面视场粗定位，获得所需的全日面图像局部视场，其特殊之处在于，具体为：
利用Fourier-Mellin变换以SDO全日面光球图像为参考，计算校准后的所述全日面图像与所述多波段高分辨率局部太阳图像之间的粗旋转角、缩放因子以及视场偏移变换关系，获得所需的全日面图像局部视场。
进一步地，所述对所述全日面图像局部视场进行分辨率提升，其特殊之处在于，具体为：
采用基于快速卷积神经网络的图像超分辨技术对所述全日面图像局部视场进行分辨率提升。
进一步地，所述进行SDO光球图像、GONG色球图像与所述多波段高分辨率局部太阳图像的精确配准，其特殊之处在于，具体为：
利用模板匹配算法和基于局部统计信息的特征点匹配算法，实现所述多波段高分辨率局部太阳图像与分辨率提升后的GONG色球图像和SDO光球图像进行精确配准。
进一步地，所述实现所述多波段高分辨率局部太阳图像与分辨率提升后的GONG色球图像和SDO光球图像进行精确配准，其特殊之处在于，包括：
将所述多波段高分辨率局部太阳图像的TiO/NVST光球图像与所述SDO光球图像进行精确配准；
将所述多波段高分辨率局部太阳图像的Hα/NVST色球图像与所述GONG色球图像进行精确配准。
进一步地，所述多波段高分辨率局部太阳图像为一米新真空太阳望远镜多波段高分辨率局部太阳图像。
进一步地，所述对GONG全日面色球图像进行初步的坐标校准时利用SolarSoftware天文数据处理库标准程序进行的。
进一步地，所述多波段高分辨率局部太阳图像在配准后的空间分辨率为0.1-0.3角秒量级。
与现有技术相比，本发明的有益效果是：
本发明提供一种基于地面-空间图像联合的多波段太阳图像配准方法，以全日面图像为过渡，实现高分辨率太阳色球图像和光球图像的精确配准。在本发明方案中利用傅里叶-梅林(Fourier-Mellin)变换、模板匹配和局部统计相关等算法，通过全日面图像坐标标定、全日面光球图像与局部高分辨率光球图像的配准、全日面色球图像与局部高分辨率色球图像的配准三个主要环节，实现高分辨率局部色球图像与局部光球图像的配准，通过精确配准方法的研究攻克了不同波段图像之间配准的关键技术问题，实现不同波段太阳图像的高精度配准(精度在0.1-0.3角秒)，为发挥局部高分辨率图像在太阳大气小尺度活动、太阳大气动力学演化的多波段层析研究中的价值提供重要的技术保障，为新一代小视场、高分辨率太阳望远镜的观测数据处理提供重要的技术参考。
附图说明
图1为本发明实施例中基于地面-空间图像联合的多波段太阳图像配准方法流程示意图；
图2为本发明实施例中多波段太阳图像配准方法的实施步骤与相关技术手段框图；
图3为本发明实施例中多波段高分辨率局部太阳图像在全日面上的对应坐标位置，图a为SDO全日面光球图像，图b为GONG全日面色球图像，图c为多波段高分辨率局部太阳光球图像对应的日面坐标区域，图d为多波段高分辨率局部太阳色球像对应的日面坐标区域；
如图4为本发明实施例中局部光球图像配准区域的边缘细节展示图；
图5为本发明实施例中局部光球图像与全日面截取的局部图像之间的配准过程图像，其中，(a)为基于Fourier-Mellin变换截取的全日面图像局部视场图、(b)为局部统计特征点匹配算法截取的全日面图像局部视场图、(c)为模板匹配算法截取的全日面图像局部视场图；
图6为本发明实施例中太阳活动区NOAA11982多波段局部图像的最终配准结果图，其中(a)为配准之后的TiO/NVST光球像、(b)为SDO/HMI光球像、(c)为SDO/MEG磁图、(d)为Hα/NVST色球像、(e-i)为SDO/AIA极紫外图像。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。显然，下面所描述的实施例是本申请的一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此，以下结合附图提供的本申请实施例的详细描述旨在仅仅表示本申请的选定实施例，并非限制本申请要求保护的范围。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的其他所有实施例，都属于本申请保护的范围。
参阅图1，本发明提供一种基于地面-空间图像联合的多波段太阳图像配准方法，以对太阳活动区NOAA11982图像配准为例，包括以下步骤：
步骤101，进行全日面图像坐标校准，所述全日面图像为SDO光球图像、GONG色球图像的全日面图像。
其中，SDO光球图像全称为空间动力天文台(SolarDynamicObservatory,SDO)连续谱光球图像。GONG为全球振荡网络组(GlobalOscillationNetwork Group)的简称。本发明利用地面的全天候GONG色球图像与空间动力天文台(SolarDynamicObservatory,SDO)连续谱光球图像的日面坐标对齐以及黑子图像配准，得到太阳光球层与色球层图像的空间对齐坐标。
步骤102，根据校准后的所述全日面图像坐标进行多波段太阳图像的日面视场粗定位，所述多波段高分辨率太阳图像为一米新真空太阳望远镜(NVST)观测的太阳活动区NOAA11982的Hα色球和TiO光球高分辨率局部太阳图像，获得所需的全日面图像局部视场。
步骤103，对所述全日面图像局部视场进行分辨率提升，从而提高所述全日面图像与所述多波段高分辨率局部太阳图像的配准精度。
通过步骤102确定了多波段高分辨率局部太阳图像在全日面上的对应坐标位置，如图3所示。图3(a)为SDO全日面光球图像，图3(b)为GONG全日面色球图像，图3(c)为多波段高分辨率局部太阳光球图像对应的日面坐标区域，图3(d)为多波段高分辨率局部太阳色球像对应的日面坐标区域。
步骤104，进行SDO光球图像、GONG色球图像与所述多波段高分辨率局部太阳图像的精确配准。
如图4所示，通过本实施例中局部光球图像配准区域的边缘细节展示图，说明了通过该发明得到精度较高的图像。
优选的，在步骤101中，进行全日面图像的坐标校准，包括以下步骤：
步骤201，以日面经纬坐标系下SDO光球图像的全日面图像为参考，对GONG色球图像的全日面图像进行初步的坐标校准；
步骤202，进行全日面图像坐标校准之后的旋转残差矫正。
优选的，在步骤102中，根据校准后的全日面图像坐标进行多波段太阳图像的日面视场粗定位，获得所需的全日面图像局部视场，具体为：
利用Fourier-Mellin变换算法以SDO全日面光球图像为参考，计算校准后的全日面图像与多波段高分辨率局部太阳图像之间的粗旋转角、缩放因子以及视场偏移变换关系，初步确定并截取各全日面图像局部视场。
如图5所示，为本实施例中局部光球图像与全日面截取的局部图像之间的配准过程图像。其中，(a)为基于Fourier-Mellin变换算法图、(b)为局部统计特征点匹配算法图、(c)为模板匹配算法图。
优选的，在步骤103中，对所述全日面图像局部视场进行分辨率提升，具体为：
采用基于快速卷积神经网络的图像超分辨技术对所述全日面图像局部视场进行分辨率提升。
优选的，在步骤104中，进行SDO光球图像、GONG色球图像与所述多波段高分辨率局部太阳图像的精确配准，具体为：
利用模板匹配算法和基于局部统计信息的特征点匹配算法，实现多波段高分辨率局部太阳图像与分辨率提升后的GONG色球图像和SDO光球图像进行精确配准。
优选的，在步骤104中，实现多波段高分辨率局部太阳图像与分辨率提升后的GONG色球图像和SDO光球图像进行精确配准，包括以下步骤：
步骤301，将多波段高分辨率局部太阳图像的TiO/NVST光球图像与SDO光球图像进行精确配准；
步骤302，将多波段高分辨率局部太阳图像的Hα/NVST色球图像与GONG色球图像进行精确配准。
其中，一米新真空太阳望远镜(NewVacuumSloarTelescope，NVST)是一架地平式望远镜，镜筒真空封窗直径1200mm，有效口径985mm，有效视场大于3角分。镜筒设计为真空的主要目的是降低热传递以减少温度对光路造成的影响。NVST在430nm波段达到0.1角秒的空间分辨率，在656.3nm波段达到0.2角秒，实现了接近衍射极限的太阳高分辨率观测。
TiO/NVST是采用NVST在TiO(氧化钛)观测波段采集的具有高时间高空间分辨率的光球图像,TiO谱线形成于光球层较低的位置。
Hα/NVST即NVST的Hα波段，通常利用NVST的Hα波段和TiO波段实现了对太阳活动区的追踪观测。
优选的，上述多波段高分辨率局部太阳图像为一米新真空太阳望远镜多波段高分辨率局部太阳图像。
优选的，在步骤101中，对GONG全日面色球像进行初步的坐标校准时利用SolarSoftware天文数据处理库标准程序进行的。
优选的，多波段高分辨率局部太阳图像在经过步骤104配准后的空间分辨率为0.1-0.3角秒量级。
图6展示了用本发明实现的太阳活动区NOAA11982多波段局部图像的最终配准结果图。其中，(a)为配准之后的TiO/NVST光球图像、(b)为SDO/HMI光球图像、(c)为SDO/MEG磁图、(d)为Hα/NVST色球图像、(e-i)为SDO/AIA极紫外图像。经过分析，配准精度实现了亚角秒量级，达到高精度配准的目的。
其中，TiO:太阳上氧化钛光谱元素吸收线(波长点为7058埃)，在这个波段的成像是太阳光球大气的图像。
Hα：太阳上的氢元素光谱元素吸收线(波长点为6563埃)，在这个波段的成像是太阳色球大气的图像。
SDO/HMI：空间动力学天文台(SolarDynamicsObservatory)上搭载的日震与磁场成像仪(HelioseismicandMagneticImager，HMI)，能够实现不间断地观测太阳，提供太阳光球图像和磁场图像。
SDO/AIA：是空间动力天文台上的一个大气成像组件(AtmosphericImagingAssembly，AIA)，提供了太阳大气极紫外波段的图像，用于观测太阳日冕大气。
SDO/Meg：是太阳光球层的矢量磁场图像。
本发明以全日面图像为过渡，实现高分辨率太阳色球像和光球像的精确配准。在本发明方案中利用傅里叶-梅林(Fourier-Mellin)变换、模板匹配和局部统计相关等算法，通过全日面图像坐标标定、全日面光球图像与局部高分辨率光球图像的配准、全日面色球图像与局部高分辨率色球图像的配准三个主要环节，实现高分辨率局部色球图像与局部光球图像的配准。在这个过程中，对于全日面图像分辨率的提升也是确保最终配准精度的重要环节。
实施步骤框图如图2所示，首先是全日面图像的坐标对准，其次是高分辨率太阳局部图像的日面视场定位，再次是全日面图像分辨率的提升，最后是SDO光球图像、GONG色球图像与高分辨率太阳光球图像和色球图像的精确配准。从而间接实现了高分辨率太阳局部光球图像和色球图像之间的配准。
本发明通过精确配准方法的研究攻克了不同波段图像之间配准的关键技术问题，实现不同波段太阳图像的高精度配准(精度在0.1-0.3角秒)，为发挥局部高分辨率图像在太阳大气小尺度活动、太阳大气动力学演化的多波段层析研究中的价值提供重要的技术保障，为新一代小视场、高分辨率太阳望远镜的观测数据处理提供重要的技术参考。
以上所述，仅为本申请的最优具体实施方式，但本申请的保护范围并不局限于此，任何在本申请揭露的技术范围内的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。
Claims (9)
1.一种基于地面-空间图像联合的多波段太阳图像配准方法，其特征在于，包括以下步骤：
进行全日面图像坐标校准，所述全日面图像为SDO光球图像、GONG色球图像的全日面图像；
根据校准后的所述全日面图像坐标进行多波段太阳图像的日面视场粗定位，所述多波段太阳图像为多波段高分辨率局部太阳图像，获得所需的全日面图像局部视场；
对所述全日面图像局部视场进行分辨率提升，从而提高所述全日面图像与所述多波段高分辨率局部太阳图像的配准精度；
进行SDO光球图像、GONG色球图像与所述多波段高分辨率局部太阳图像的精确配准。
2.根据权利要求1所述的基于地面-空间图像联合的多波段太阳图像配准方法，所述进行全日面图像的坐标校准，其特征在于，包括：
以日面经纬坐标系下SDO光球图像的全日面图像为参考，对GONG色球图像的全日面图像进行初步的坐标校准；
进行全日面图像坐标校准之后的旋转残差矫正。
3.根据权利要求1所述的基于地面-空间图像联合的多波段太阳图像配准方法，所述根据校准后的所述全日面图像坐标进行多波段太阳图像的日面视场粗定位，获得所需的全日面图像局部视场，其特征在于：
利用Fourier-Mellin变换以SDO光球图像的全日面图像为参考，计算校准后的所述全日面图像与所述多波段高分辨率局部太阳图像之间的粗旋转角、缩放因子以及视场偏移变换关系，获得所需的全日面图像局部视场。
4.根据权利要求1所述的基于地面-空间图像联合的多波段太阳图像配准方法，所述对所述全日面图像局部视场进行分辨率提升，其特征在于：
采用基于快速卷积神经网络的图像超分辨技术对所述全日面图像局部视场进行分辨率提升。
5.根据权利要求1所述的基于地面-空间图像联合的多波段太阳图像配准方法，所述进行SDO光球图像、GONG色球图像与所述多波段高分辨率局部太阳图像的精确配准，其特征在于，具体为：
利用模板匹配算法和基于局部统计信息的特征点匹配算法，实现所述多波段高分辨率局部太阳图像与分辨率提升后的GONG色球图像和SDO光球图像进行精确配准。
6.根据权利要求5所述的基于地面-空间图像联合的多波段太阳图像配准方法，所述实现所述多波段高分辨率局部太阳图像与分辨率提升后的GONG色球图像和SDO光球图像进行精确配准，其特征在于，包括：
将所述多波段高分辨率局部太阳图像的TiO/NVST光球图像与所述SDO光球图像进行精确配准；
将所述多波段高分辨率局部太阳图像的Hα/NVST色球图像与所述GONG色球图像进行精确配准。
7.根据权利要求1-6任一所述的基于地面-空间图像联合的多波段太阳图像配准方法，其特征在于：
所述多波段高分辨率局部太阳图像为一米新真空太阳望远镜多波段高分辨率局部太阳图像。
8.根据权利要求2所述的基于地面-空间图像联合的多波段太阳图像配准方法，其特征在于：
所述对GONG全日面色球图像进行初步的坐标校准时利用SolarSoftware天文数据处理库标准程序进行的。
9.根据权利要求7所述的基于地面-空间图像联合的多波段太阳图像配准方法，其特征在于：
所述多波段高分辨率局部太阳图像在配准后的空间分辨率为0.1-0.3角秒量级。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310246659.4A CN116309749A (zh) | 2023-03-15 | 2023-03-15 | 一种基于地面-空间图像联合的多波段太阳图像配准方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310246659.4A CN116309749A (zh) | 2023-03-15 | 2023-03-15 | 一种基于地面-空间图像联合的多波段太阳图像配准方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116309749A true CN116309749A (zh) | 2023-06-23 |
Family
ID=86831954
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310246659.4A Pending CN116309749A (zh) | 2023-03-15 | 2023-03-15 | 一种基于地面-空间图像联合的多波段太阳图像配准方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116309749A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116895039A (zh) * | 2023-09-11 | 2023-10-17 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种结冰云雾伪颗粒图像识别及特征参数测量方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106408600A (zh) * | 2016-09-08 | 2017-02-15 | 昆明理工大学 | 一种用于太阳高分辨率图像中图像配准的方法 |
| CN109147036A (zh) * | 2018-08-03 | 2019-01-04 | 北京航空航天大学 | 一种基于深度学习的集成成像微图像阵列快速生成方法 |
| CN114037609A (zh) * | 2021-10-21 | 2022-02-11 | 中国科学院沈阳自动化研究所 | 一种基于学习太赫兹成像逆过程的太赫兹图像超分辨算法 |
-
2023
- 2023-03-15 CN CN202310246659.4A patent/CN116309749A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106408600A (zh) * | 2016-09-08 | 2017-02-15 | 昆明理工大学 | 一种用于太阳高分辨率图像中图像配准的方法 |
| CN109147036A (zh) * | 2018-08-03 | 2019-01-04 | 北京航空航天大学 | 一种基于深度学习的集成成像微图像阵列快速生成方法 |
| CN114037609A (zh) * | 2021-10-21 | 2022-02-11 | 中国科学院沈阳自动化研究所 | 一种基于学习太赫兹成像逆过程的太赫兹图像超分辨算法 |
Non-Patent Citations (1)
| Title |
|---|
| RUI WANG ET AL.: "A coarse-to-fine strategy for the registration of the multi-wavelength high-resolution solar images", 《RESEARCH IN ASTRONOMY AND ASTROPHYSICS》, 31 December 2020 (2020-12-31), pages 1 - 10 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116895039A (zh) * | 2023-09-11 | 2023-10-17 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种结冰云雾伪颗粒图像识别及特征参数测量方法 |
| CN116895039B (zh) * | 2023-09-11 | 2023-11-17 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种结冰云雾伪颗粒图像识别及特征参数测量方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Anderson et al. | Ground-based CCD astrometry with wide field imagers-I. Observations just a few years apart allow decontamination of field objects from members in two globular clusters | |
| US11635481B2 (en) | Stellar atmospheric refraction measurement correction method based on collinearity of refraction surfaces | |
| US20120239295A1 (en) | Image Navigation and Registration Accuracy Improvement Using Parametric Systematic Error Correction | |
| CN110006452B (zh) | 高分六号宽视场相机相对几何定标方法及系统 | |
| CN109696182A (zh) | 一种星载推扫式光学传感器内方位元素定标方法 | |
| CN112598608B (zh) | 一种基于目标区域的光学卫星快速融合产品制作方法 | |
| CN108828623B (zh) | 静止气象卫星成像仪的地球固定网格映射方法 | |
| CN116309749A (zh) | 一种基于地面-空间图像联合的多波段太阳图像配准方法 | |
| Bruns | Gravitational starlight deflection measurements during the 21 August 2017 total solar eclipse | |
| Li et al. | In-orbit test of the polarized scanning atmospheric corrector (PSAC) onboard Chinese environmental protection and disaster monitoring satellite constellation HJ-2 A/B | |
| Zhang et al. | Accurate star centroid detection for the advanced geosynchronous radiation imager of Fengyun-4A | |
| Valorge et al. | Forty years of experience with SPOT in-flight calibration | |
| Meng et al. | Data processing pipeline for pointing observations of Lunar-based Ultraviolet Telescope | |
| Zacharias et al. | Accurate optical positions of extragalactic radio reference frame sources | |
| Pan et al. | Systematic geolocation errors of FengYun-3D MERSI-II | |
| Doelling et al. | Inter-calibration of the OSIRIS-REx NavCams with Earth-viewing imagers | |
| CN114862723A (zh) | 一种基于测量密集星场的天文望远镜像场畸变标定方法 | |
| Vasilyuk et al. | Calibration of the intrinsic parameters of the digital camera of a star tracker based on ground-based observations of stars, taking atmospheric refraction and aberration of light into account | |
| Barghini et al. | Improving astrometry and photometry reduction for PRISMA all-sky cameras | |
| CN111256818A (zh) | 一种线阵推扫式遥感成像仪月球辐照度观测值的计算方法 | |
| Tooman | Whole sky imager retrieval guide | |
| Zhang et al. | Calibrating an airborne linear-array multi-camera system on the master focal plane with existing bundled images | |
| CN115164938B (zh) | 一种线阵摆扫式光学遥感卫星在轨几何定标方法 | |
| Didan et al. | Award# DE-LM0000479 | |
| Wang et al. | Preflight Calibration of Short-Wave Infrared Polarization and Multiangle Imager Onboard Fengyun-3 Satellite |
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 |