一种用于识别和跟踪天文图像中太阳光球亮点的方法
【技术领域】
[0001] 本发明涉及一种用于识别和跟踪天文图像中太阳光球亮点的方法，特别涉及一种 在三维时空立方体中边识别边跟踪序列图像中太阳光球亮点的方法。属于天文技术和图像 处理领域。
【背景技术】
[0002] 在太阳光球图像中，一个引人注目的现象就是存在于米粒暗径中的小尺度发亮结 构:光球亮点。普遍认为，光球亮点与太阳磁场有着密切的关系，是目前观测手段能够分辨 的最小磁结构。通过研究光球亮点可以促进太阳磁场的研究，促进更深层和更热的等离子 体和日冕加热等太阳物理现象的研究，从而提前预报太阳磁场活动，以更好地进行空间天 气预报及对地球磁场的预报。
[0003] 为了研究光球亮点的物理机制，首先需要从高分辨率图像中识别它们，然后跟踪 其演化，提取其特征。目前普遍采用的方法都是先从单幅图像上识别出亮点，然后再在时间 轴上对识别的亮点进行跟踪，即"先识别边跟踪"。但是，由于亮点在米粒的推动下不断地演 化，很容易和较亮的碎米粒或者米粒上发亮的特征等其他局部强度较高的太阳表面小尺度 特征混淆，而且亮点的边缘会和米粒、米粒暗径粘在一起，这些都给在单幅图像上的识别带 来一定的困难。亮点在演化过程中运动速度快，生命周期短，时而发生合并或分裂现象，再 加上周围米粒的运动，准确跟踪亮点也存在一定的困难。而这些图像的处理结果会直接影 响到物理特征的提取，因此如何准确地识别和跟踪亮点，以及提取其特征，对亮点的物理机 制以及太阳磁场活动的深入研究有非常重要的科学意义。
[0004] 在单幅图像上识别亮点的方法主要有阈值法、区域生长法和形态学等几种。在时 间轴上对亮点进行跟踪目前主要有最近邻方法、局部相关跟踪（LocalCorrelation Tracking，LCT)等方法。虽然，目前的识别算法结合了亮点的物理特征，并综合运用了图像 处理的各种技术，因此在单幅图上的识别取得了比较好的结果，可识别到90%以上的亮点。 但是，由于每幅图的识别是彼此独立的，当处理一组由N幅图像构成的序列图像时，跟踪的 正确率仅为90%的N次方(比如，N=10的情况下，正确率为34%)，这样会使得大部分的亮点 被漏检。这将表现为亮点的演化过程不连续，即出现过多的短周期现象，甚至是大量的单帧 亮点。这将严重影响后续的特征提取结果，尤其是对亮点生命期内的物理特征的研究。
[0005] 本发明正是为了解决这些问题而提出的一种基于三维时空立方体的亮点"边识别 边跟踪"方法，该方法改变了"先识别后跟踪"的方法，综合考虑亮点在单幅图像上的光学强 度和形态特性以及在序列图像中的时间演化特性，将识别和跟踪融为一体，同步进行。
【发明内容】
[0006] 本发明提供了一种用于识别和跟踪天文图像中太阳光球亮点的方法，在太阳光球 序列图像构成的三维时空立方体中边识别边跟踪光球亮点，从三维时空的角度综合考虑亮 点在单幅图像上的光学强度和形态特性以及在序列图像中的时间演化特性，准确地识别和 跟踪序列图像中的亮点，解决了先识别后跟踪的方法导致亮点演化不连续的问题。
[0007]本发明一种用于识别和跟踪天文图像中太阳光球亮点的方法是这样实现的：首 先，对序列图像进行对齐、归一化、降噪滤波;接着，采用拉普拉斯滤波和形态学膨胀方法设 定阈值来提取种子点;然后根据亮点的光学强度和形态等物理特性以及时间演化特性设定 识别和跟踪的条件和参数，在一个由二维平面坐标(X，y)、时间t所组成的三维时空立方体 (x，y，t)中对种子点通过三维的递归遍历实现亮点的边识别边跟踪;最后，结合亮点的物理 特征筛选出最后的壳点。
[0008] 所述用于识别和跟踪天文图像中太阳光球亮点的方法的具体步骤如下：
[0009]步骤1:图像预处理:采用局部相关方法对齐序列图像，然后进行归一化，并使用均 值平滑滤波对每一幅图像进行降噪，得到降低噪声后的序列图像；
[0010]步骤2:种子点提取:首先，对降低噪声后的每一幅图像采用拉普拉斯滤波对图像 进行梯度增强;然后，计算拉普拉斯滤波后的图像的均值μ和标准差σ;根据μ和σ确定阈值来 提取种子点；最后，运用形态学膨胀方法计算亮点边缘像素位于暗径的比例，根据光球亮点 位于米粒暗径这一物理特性提取出相应的像素点作为种子点；
[0011] 步骤3:识别和跟踪的条件及参数设定:从三维时空的角度综合考虑亮点的光学强 度和形态等物理特性以及时间演化特性，在X和y轴上采用对称、时间t轴不对称的方式设定 识别和跟踪的条件及参数；
[0012] 步骤4:亮点的边识别边跟踪:根据上述提取的种子点和设定的条件及参数，在序 列图像构成的三维时空立方体中进行亮点的边识别边跟踪，其中，三维时空坐标系(x，y，t) 中X和y是二维平面坐标，t是序列图像的时间坐标;边识别边跟踪具体的实现方法是递归遍 历每个种子点三个维度上的相邻像素点，将满足设定条件及参数的像素点标记为新的种子 点，不断地重复以上操作，直至整个立方体中再也没有满足条件的像素点可被标记，所有被 标记的种子点构成了候选亮点；
[0013] 步骤5:亮点的筛选确认:计算每个候选亮点在其生命期中每一幅图像上的面积和 其边缘位于暗径的比例，根据亮点的面积演化特性和边缘位于暗径的比例的演化特性筛选 出最后的壳点。
[0014] 进一步优选的，所述步骤2中的阈值采用μ+3*0。
[0015] 进一步优选的，所述步骤2中的种子点筛选为满足边缘像素位于暗径的比例大于 70%的像素点。
[0016] 本发明的有益效果是：
[0017] 1、综合考虑亮点在单幅图像上的光学强度和形态特性以及在序列图像中的时间 演化特性，将识别和跟踪融为一体，同步进行；
[0018] 2、在太阳光球序列图像构成的三维时空立方体中边识别边跟踪光球亮点，从三维 时空的角度综合考虑亮点在单幅图像上的光学强度和形态特性以及在序列图像中的时间 演化特性，准确地识别和跟踪序列图像中的亮点。
【附图说明】
[0019]图1是本发明识别和跟踪天文图像中太阳光球亮点的方法的总体流程图；
[0020] 图2是本发明中日出/太阳光学望远镜在G波段观测到的100张高分辨图像序列中 的第一张图；
[0021] 图3是本发明中对图2经预处理后做拉普拉斯滤波后的图；
[0022] 图4是本发明中候选种子点在图2上标记的结果图；
[0023]图5是本发明中在三维时空立方体中选取的种子点图和第一张图像上的种子点标 记图；
[0024]图6是本发明中在三维时空立方体中边识别边跟踪的候选亮点图和第一张图像上 的壳点标记图；
[0025]图7是本发明中在三维时空立方体中通过筛选最终得到的亮点图和第一张图像上 的筛选后亮点标记图。
【具体实施方式】
[0026]实施例1:如图1-7所示，一种用于识别和跟踪天文图像中太阳光球亮点的方法，首 先，对序列图像进行对齐、归一化、降噪滤波;接着，采用拉普拉斯滤波和形态学膨胀方法设 定阈值来提取种子点;然后根据亮点的光学强度和形态等物理特性以及时间演化特性设定 识别和跟踪的条件和参数，在一个由二维平面坐标(x，y)、时间t所组成的三维时空立方体 (x，y，t)中对种子点通过三维的递归遍历实现亮点的边识别边跟踪;最后，结合亮点的物理 特征筛选出最后的壳点。
[0027]所述用于识别和跟踪天文图像中太阳光球亮点的方法的具体步骤如下：
[0028]步骤1:图像预处理:采用局部相关方法对齐序列图像，然后进行归一化，并使用均 值平滑滤波对每一幅图像进行降噪，得到降低噪声后的序列图像；
[0029]步骤2:种子点提取:首先，对降低噪声后的每一幅图像采用拉普拉斯滤波对图像 进行梯度增强;然后，计算拉普拉斯滤波后的图像的均值μ和标准差σ;根据μ和σ确定阈值来 提取种子点；最后，运用形态学膨胀方法计算亮点边缘像素位于暗径的比例，根据光球亮点 位于米粒暗径这一物理特性提取出相应的像素点作为种子点；
[0030]步骤3:识别和跟踪的条件及参数设定:从三维时空的角度综合考虑亮点的光学强 度和形态等物理特性以及时间演化特性，在X和y轴上采用对称、时间t轴不对称的方式设定 识别和跟踪的条件及参数；
[0031]步骤4:亮点的边识别边跟踪:根据上述提取的种子点和设定的条件及参数，在序 列图像构成的三维时空立方体中进行亮点的边识别边跟踪，其中，三维时空坐标系(x，y，t) 中X和y是二维平面坐标，t是序列图像的时间坐标;边识别边跟踪具体的实现方法是递归遍 历每个种子点三个维度上的相邻像素点，将满足设定条件及参数的像素点标记为新的种子 点，不断地重复以上操作，直至整个立方体中再也没有满足条件的像素点可被标记，所有被 标记的种子点构成了候选亮点；
[0032]步骤5:亮点的筛选确认:计算每个候选亮点在其生命期中每一幅图像上的面积和 其边缘位于暗径的比例，根据亮点的面积演化特性和边缘位于暗径的比例的演化特性筛选 出最后的壳点。
[0033]进一步优选的，所述步骤2中的阈值采用μ+3*0。
[0034]进一步优选的，所述步骤2中的种子点筛选为满足边缘像素位于暗径的比例大于 70%的像素点。
[0035]实施例2:如图1-7所示，一种用于识别和跟踪天文图像中太阳光球亮点的方法，首 先，对序列图像进行对齐、归一化、降噪滤波;接着，采用拉普拉斯滤波和形态学膨胀方法设 定阈值来提取种子点;然后根据亮点的光学强度和形态等物理特性以及时间演化特性设定 识别和跟踪的条件和参数，在一个由二维平面坐标(x，y)、时间t所组成的三维时空立方体 (x，y，t)