本发明涉及一种天体目标的检测方法,特别是涉及一种强天光背景下的自适应光学天体目标的检测方法,属于图像分析技术领域。
背景技术:
自适应光学(adaptive optics,AO)是实时补偿由大气湍流或其他因素造成的成像过程中波前畸变的前景技术,但其探测受天光背景及噪声的影响较大,只能工作在极弱背景光条件下,对点目标进行质心提取,完成天体目标观测的任务;在强天光背景条件下,由于天光光强是目标光光强的几十到几百倍,现有的波前传感器不能工作,自适应光学系统也就不能在白天等较强天光背景的光条件下完成对天体目标的波前畸变校正过程。
针对以上问题,国外Beckers和Gonglewski等人做过一些探索——在白天应用AO系统的工作。Beckers等人提出了利用超窄带滤波技术的主动波前探测方法,以发射激光的后向散射或反射光作为信标,通过时间选通和快门控制等技术来进行波前探测,得到了部分的实验结果。Gonglewski等人单独地讨论了视场光阑对天光背景的限制问题,然而对解决强天光背景条件下波前探测问题而言效果不是很明显。我国李超宏等人提出了通过视场偏移哈特曼波前传感器(FSWFS)来探测强背景中目标信号畸变波前信息的方法,突破了自适应光学系统在强噪声条件下的应用。
虽然以上这些方法的提出,在很大程度上提高了自适应光学系统的探测能力,扩展了系统的应用环境及工作时段,但是在实际应用中仍需要较强的信噪比条件下才能取得较好的效果,且搭建此类庞大的光学系统难度较大且花费也较高。
技术实现要素:
本发明的主要目的在于,克服现有技术中的不足,提供一种强天光背景下的自适应光学天体目标的检测方法,实现有效可靠地提取波前信号,去除天光背景噪声,拓展自适应光学系统的工作时段。
为了达到上述目的,本发明所采用的技术方案是:
一种强天光背景下的自适应光学天体目标的检测方法,包括以下步骤:
1)利用强天光背景及天体目标的形态差异,分别建立与强天光背景相对应的天光背景信号超完备字典和与天体目标相对应的光斑信号超完备字典;
其中,天光背景信号超完备字典仅能稀疏表示强天光背景的天光背景信号,光斑信号超完备字典仅能稀疏表示天体目标的光斑信号;
2)获得强天光背景下的自适应光学天体目标的实测图像,将实测图像在建立的天光背景信号超完备字典和光斑信号超完备字典中分别对实测图像进行稀疏分解,分别计算实测图像在天光背景信号超完备字典和光斑信号超完备字典中的分解原子di,并得到分解系数
3)重构图像原子其中,Dgaussian为高斯字典,为分解系数;
4)求解图像原子的残差
5)计算残差的均方值,并设定阈值T;将残差的均方值与阈值T进行比较,来判断该图像原子属于光斑信号还是天光背景信号,以提取天体目标、去除强天光背景;
若残差的均方值小于阈值T,则判断该图像原子属于光斑信号;
若残差的均方值大于阈值T,则判断该图像原子属于天光背景信号。
本发明进一步设置为:所述光斑信号超完备字典,其建立步骤为,采用二维高斯模型构建表示光斑信号超完备字典的矩阵D,将样本图像展开为样本数目为n个的m2×1的一维列向量,将全部的列向量构建为一个矩阵,m为字典原子的尺寸,n分解系数的个数,其中,每一列si为光斑信号超完备字典中的一个原子。
本发明进一步设置为:所述天光背景信号超完备字典,其建立步骤为,选取不同信噪比、不同强度的天光背景的原始图像,从原始图像中选取任意一帧图像的四个边角区域,将四个边角区域的灰度值求平均值得到平均天光背景图像子图像,选取在平均天光背景图像子图像中的背景原子来构建天光背景信号超完备字典。
本发明进一步设置为:所述步骤1),还包括对天光背景信号超完备字典和光斑信号超完备字典在样本图像序列中分别进行训练。
本发明进一步设置为:所述步骤2)中的对实测图像进行稀疏分解,具体为,将实测图像依次划分成N×N个图像子块,分别在天光背景信号超完备字典和光斑信号超完备字典中提取各图像子块的分解原子di,并得到分解系数
本发明进一步设置为:所述分解系数的计算表达式为,
其中,D0为天光背景信号超完备字典或光斑信号超完备字典,A为系数矩阵,k0为系数阈值。
与现有技术相比,本发明具有的有益效果是:
根据形态分形理论,分别建立与强天光背景相对应的天光背景信号超完备字典和与天体目标相对应的光斑信号超完备字典,基于超完备字典,将实测图像进行稀疏分解,从而有效可靠地提取波前信号,去除天光背景噪声,从而拓展自适应光学系统的工作时段。
上述内容仅是本发明技术方案的概述,为了更清楚的了解本发明的技术手段,下面结合附图对本发明作进一步的描述。
附图说明
图1为本发明所建立的光斑信号超完备字典中的部分目标原子;
图1-1为图1中的某一个目标原子;
图1-2为图1-1中所示该目标原子的三维能量图;
图2为本发明建立天光背景信号超完备字典所选取的信噪比为12db的原始图像;
图2-1为图2中所示该原始图像所生成的相应的背景原子;
图2-2为图2-1中所示该背景原子的三维图;
图3为本发明建立天光背景信号超完备字典所选取的信噪比为25db的原始图像;
图3-1为图3中所示该原始图像所生成的相应的背景原子;
图3-2为图3-1中所示该背景原子的三维图;
图4为采用本发明检测方法进行波前光斑图像的处理实验;
图5为采用本发明检测方法选择夏克-哈特曼图像进行的处理实验;
图6为单个子孔径图像处理前后的对比图。
具体实施方式
下面结合说明书附图,对本发明作进一步的说明。
本发明提供一种强天光背景下的自适应光学天体目标的检测方法,包括以下步骤:
1)利用强天光背景及天体目标的形态差异,分别建立与强天光背景相对应的天光背景信号超完备字典和与天体目标相对应的光斑信号超完备字典;并对所建立的天光背景信号超完备字典和光斑信号超完备字典在样本图像序列中分别进行训练。
其中,天光背景信号超完备字典仅能稀疏表示强天光背景的天光背景信号,光斑信号超完备字典仅能稀疏表示天体目标的光斑信号;需要说明的是,超完备字典是一种全新的信号表示理论,其用超完备的冗余函数库取代完备的基函数,字典中的元素被称为原子。
所述光斑信号超完备字典,其建立步骤为,采用二维高斯模型构建表示光斑信号超完备字典的矩阵D,将样本图像展开为样本数目为n个的m2×1的一维列向量,将全部的列向量构建为一个矩阵,m为字典原子的尺寸,n分解系数的个数,其中,每一列si为光斑信号超完备字典中的一个原子。
根据仿真条件和建立步骤建立光斑信号超完备字典,如图1所示为光斑信号超完备字典中的部分目标原子,仿真条件为:图像大小为41pixel×41pixel,光斑中心(x0,y0),坐标为(20,20),峰值15ADU,等效高斯宽度为σA=1.25pixel;这样模拟出的目标光斑在5×5像元内集中了80%以上的能量,可以看出其和实际的目标较为接近。如图1-1所示为图1中的某一个目标原子,图1-2为图1-1中所示该目标原子的三维能量图。
所述天光背景信号超完备字典,其建立步骤为,选取不同信噪比、不同强度的天光背景的原始图像,如图2和图3所示,从原始图像中选取任意一帧图像的四个边角区域,将四个边角区域的灰度值求平均值得到平均天光背景图像子图像,选取在平均天光背景图像子图像中的背景原子来构建天光背景信号超完备字典,如图2-1和图3-1所示。
从图2、图2-1、图2-2,以及图3、图3-1、图3-2中可以看出,天光背景区域灰度有起伏,但相对光斑信号较为平稳,不同强度的天光背景仅在平均灰度值上有差别,其他形态基本相同。
2)获得强天光背景下的自适应光学天体目标的实测图像,将实测图像依次划分成N×N个图像子块,在建立的天光背景信号超完备字典和光斑信号超完备字典中分别对实测图像的各图像子块进行稀疏分解,分别计算各图像子块在天光背景信号超完备字典和光斑信号超完备字典中的分解原子di,并得到分解系数
所述分解系数的计算表达式为,
其中,D0为天光背景信号超完备字典或光斑信号超完备字典,A为系数矩阵,k0为系数阈值。
3)重构图像原子其中,Dgaussian为高斯字典,为分解系数;
4)求解图像原子的残差
5)计算残差的均方值,并设定阈值T;将残差的均方值与阈值T进行比较,来判断该图像原子属于光斑信号还是天光背景信号,以提取天体目标、去除强天光背景;
若残差的均方值小于阈值T,则判断该图像原子属于光斑信号;
若残差的均方值大于阈值T,则判断该图像原子属于天光背景信号。
采用本发明提供的强天光背景下的自适应光学天体目标的检测方法,进行波前光斑图像的处理实验,如图4所示,并得到处理效果图。
从实验室环境中选取含有不同天光背景水平的波前光斑图像,将波前光斑图像分别在目标超完备字典和背景超完备字典中进行稀疏分解,如图4所示。
图4中(a)图为含有强天光背景的原始光斑图像,可以看出,天光背景较强,光斑信号淹没。
图4中(b)图为通过减阈值算法进行处理得到的减阈值效果图,可以看出,减阈值后信噪比略有提高,但由于背景及噪声起伏较大,仍有较大的背景残留,目标尚未较好提取。
图4中(c)图和(d)图是分别在光斑信号超完备字典和天光背景信号超完备字典下对图像进行稀疏分解的结果,从中可以看出,在光斑信号超完备字典中,目标区域能量聚集,形成较明显的峰值;而对比天光背景信号超完备字典的稀疏分解,可以看出,在对应处有较为明显的峰谷值,此处与目标超完备字典中的峰值正好相反。
图4中(e)图为通过本发明检测方法并采用设定阈值T取0.6所得到的处理效果图,从图中可以看出,天光背景几乎被完全滤除,光斑信号保留。
采用本发明提供的强天光背景下的自适应光学天体目标的检测方法,选择夏克-哈特曼图像进行处理实验,如图5所示,并得到处理效果图。
实验中,目标样本大小为16×16,阈值T取0.6,CCD靶面为768×484pixel,子孔径大小为20×20pixels,微透镜阵列尺寸为23×23,有效子孔径数400,每一个子孔径为一个0.51mm的方孔,在本实验中,每一个子孔径对应焦面19个像素。
图5中(a)图为所采集到的含有强天光背景的夏克-哈特曼图像,从图中可以看出,信噪比为18.9dB。
图5中(b)图为经过减阈值处理后的效果图,可以看出经过减阈值处理后仍有较强的噪声残留,处理后的信噪比约为24.56dB,略有提高。
图5中(c)图为采用本发明所提出的检测方法处理后的结果,可以看出个子孔径光斑提取效果较好,且天光背景噪声滤除较为干净,此时信噪比约为48.56dB。
图6为单个子孔径图像处理前后的对比图,图6中(a)图为处理前单个子孔径图像,图6中(b)图为减阈值处理后单个子孔径效果图,图6中(c)图为采用本发明检测方法处理后单个子孔径效果图。
将图6中(c)图和(b)图进行对比,从图中可以看出,处理前,天光背景较强,光斑被背景淹没,减阈值算法处理后噪声起伏仍较大,采用本发明检测方法处理后,光斑目标提取较好。从图6可以看出,在信噪比较低时,本发明检测方法较减阈值算法有较大的优势。
另外,对不同信噪比条件下,采用本发明检测方法与减阈值算法处理后的质心的平均偏差RMS值、PV值及SNR进行比较,如表1所示。
表1
从表1中可以看到,相比于减阈值算法,采用本发明检测方法处理后的质心起伏较小,说明处理后的精度较好;而且,采用本发明检测方法较减阈值算法处理后图像的SNR有较大的提高,尤其是在信噪比较低时,效果更加明显。
以上显示和描述了本发明的基本原理、主要特征及优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。