一种用于识别天文图像中太阳暗条手性的方法与流程

本发明涉及一种用于识别天文图像中太阳暗条手性的方法，属天文技术和图像处理领域。

背景技术：

手性现象在自然界中是广泛存在的，比如左右手互为镜像而无法叠合的现象。太阳暗条在太阳色球层上整体呈细长的丝状，但从精细结构上来说，暗条是由主轴和一些从主轴伸出去的细小毛刺两部分组成，毛刺与暗条主轴所成的夹角大小决定了暗条的手性。暗条的手性物理定义为从磁场的正极向负极看去，如果暗条轴向磁场指向左侧(右侧)，则暗条是左手性(右手性)的。太阳暗条的手性反映了太阳暗条磁场的螺旋方向，因此太阳暗条手性和太阳磁场的联系非常紧密，而且太阳暗条的爆发与日晃物质抛射现象密切相关。因此研究太阳暗条手性可以作为研究太阳磁场和日冕物质抛射现象的依据。所以急需能够较为精确、高效识别太阳暗条图像中太阳暗条手性的方法。

为了识别太阳暗条的手性，已经有多种识别方法被提出。我们发现这些方法主要包含两个过程：(1)将太阳暗条检测出来，然后识别太阳暗条的主轴与毛刺。(2)根据(1)中得到的主轴与毛刺，计算主轴与毛刺的夹角，并根据夹角和毛刺长度等因素判断太阳暗条的手性。通过相关文献对方法的介绍，可以看到这些方法对识别太阳暗条手性存在着以下的问题：(1)识别太阳暗条主轴与毛刺的算法耗时长，且无法准确识别出较长太阳暗条的主轴与毛刺，造成误检。(2)根据左旋毛刺和右旋毛刺数量的比值来确定太阳暗条手性会造成很多太阳暗条的手性无法确定。为了解决上述几种方法存在的不足，我们对太阳暗条的主要结构及其形成原因进行分析发现：利用几何方法识别主轴的过程过于复杂造成很大的时间开销，而且这种方法是通过迭代方法将太阳暗条的长线段不断划分得到最终的主轴，在位置移动过程中，点有可能移向相反的错误方向，造成太阳暗条主轴和毛刺的误检；从太阳物理学角度来说，太阳暗条的手性反应了色球层上太阳磁场的分布情况，因此太阳暗条必定会具有某种手性，如果只是根据左旋毛刺和右旋毛刺数量的比值是无法确定太阳暗条手性的。

技术实现要素：

本发明要解决的技术问题是：针对现有技术中存在的上述问题，提供了一种用于识别天文图像中太阳暗条手性的方法，太阳暗条被检测出来后，利用形态学中的开闭操作得到太阳暗条的骨骼图像。接着根据太阳暗条主轴与毛刺的交点二次分割太阳暗条的骨骼图像，从而较为精确的识别出太阳暗条的主轴与毛刺。根据太阳暗条的物理定义提出了加权判断太阳暗条手性的计算公式，从而较为精确的识别出太阳暗条的手性。

本发明采用的技术方案是：首先对全日面图像做数学中的标准差归一化进行图像强度的统一；接着做中值滤波操作进行图像降噪；接着依次利用顶帽底帽变换和指数变换增强图像的对比度；其次利用边缘检测方法进行图像分割，并利用膨胀和腐蚀方法去除小面积块，得到太阳暗条区域；然后利用大津法对太阳暗条区域进行二值化操作，得到太阳暗条的二值图像，并利用形态学中的开闭操作对二值图像进行骨骼化处理，得到太阳暗条的骨骼图像；再根据太阳暗条骨骼图像中每一个像素点的8邻域找到每一个太阳暗条主轴与毛刺的交点，并分别以交点为中心，二次分割太阳暗条骨骼图像；接着根据二次分割的骨骼图像中各个叶节点到主轴与毛刺交点的距离来判断毛刺位置，得到毛刺的骨骼图像。用二次分割的骨骼图像减去毛刺的骨骼图像就得到了太阳暗条主轴的骨骼图像，并根据毛刺位置在二值图像中得到毛刺面积；然后利用最小二乘法分别拟合太阳暗条主轴与毛刺的骨骼图像，得到太阳暗条主轴与毛刺的夹角；最后将得到的各太阳暗条主轴与毛刺的夹角与相应毛刺的面积代入加权判断太阳暗条手性的计算公式，得到太阳暗条手性。

所述一种用于识别天文图像中太阳暗条手性的方法的具体步骤如下：

步骤1：图像预处理：首先对全日面图像进行标准差归一化，将每一个像素点的值与该图像的均值做差，再除以该图像的标准差进行图像强度的统一。然后使用一个大小为t1的结构元素对强度统一的全日面图像进行中值滤波操作进行降噪，得到降低噪声后的全日面图像；

步骤2：增强图像对比度处理：构造半径为r的扁平圆形结构元对降噪图像进行顶帽变换和底帽变换，再做指数变换增强图像的对比度。其中指数变换参数为r；

步骤3：分割出太阳暗条区域：用阈值上界为th的canny算子对增强对比度后的图像进行分割，并利用一个大小为t2的结构元素对图像先做膨胀运算再做腐蚀运算去除小面积块，得到太阳暗条区域；

步骤4：识别太阳暗条主轴与毛刺：利用大津法对太阳暗条区域进行二值化操作，得到太阳暗条的二值图像，并利用形态学中的开闭操作对二值图像进行骨骼化处理，得到太阳暗条的骨骼图像。再根据骨骼图像中的8邻域找到每一个太阳暗条主轴与毛刺的交点，并分别以交点为中心，二次分割太阳暗条骨骼图像，分割后的骨骼图像大小为si，接着计算出二次分割骨骼图像中各叶节点到主轴与毛刺交点的距离，来判断毛刺位置，得到毛刺的骨骼图像，再用二次分割的骨骼图像减去毛刺的骨骼图像，就得到了太阳暗条主轴的骨骼图像，并根据毛刺位置在二值图像中得到毛刺的面积s；

步骤5：计算太阳暗条手性：利用最小二乘法分别拟合太阳暗条主轴与毛刺的骨骼图像，得到太阳暗条主轴与毛刺的夹角b，再将得到的各太阳暗条主轴与毛刺的夹角b与相应毛刺的面积s代入加权判断太阳暗条手性的计算公式，根据计算结果得到太阳暗条手性

加权判断太阳暗条手性的计算公式如下：

其中，n代表毛刺的个数，s1至sn代表1至n个毛刺的面积，θ1至θn代表1至n个毛刺与太阳暗条主轴的夹角，θ为加权计算后的角度，当θ∈(0°,90°)时太阳暗条为左手手性，当θ∈(90°,180°)时太阳暗条为右手手性。

具体地，所述步骤1中的结构元素t1是边长为8～10的矩阵。

具体地，所述步骤2中扁平圆形结构元r是半径为9～11的圆，指数变换参数r的范围为0～1。

具体地，所述步骤3中阈值上界th的范围是0～1，结构元素t2是边长为7～11的矩阵。

具体地，所述步骤4中骨骼图像大小si是边长为31的矩阵，毛刺面积s的范围为2～320。

具体地，所述步骤5中太阳暗条主轴与毛刺的夹角b范围是0°～360°，毛刺面积s的范围为2～320。

本发明的有益效果是：本发明两次分割太阳暗条的骨骼图像，从而能较为精确的识别出太阳暗条的主轴与毛刺。并且提出了加权判断太阳暗条手性的计算公式，从而较为精确的识别出太阳暗条的手性。解决了传统太阳暗条手性识别方法中无法准确识别出较长太阳暗条的主轴与毛刺，以及无法确定太阳暗条的手性问题。

附图说明

图1是本发明一种用于识别天文图像中太阳暗条手性的方法的总体流程图；

图2是本发明中采用2015年11月04日采集到的全日面图像；

图3是本发明中对图2经过标准差归一化、中值滤波、顶帽底帽变换和指数变换增强后的全日面图像；

图4是本发明中对图3经过边缘检测、膨胀和腐蚀方法去除小面积块后得到的太阳暗条区域；

图5是本发明中对图4中的太阳暗条区域进行二值化操作和形态学中的开闭操作后，得到太阳暗条的骨骼图像；

图6是本发明中对图5经过二次分割后，得到的太阳暗条骨骼图像；

图7是本发明中对图6经过毛刺位置判断后，得到的太阳暗条主轴的骨骼图像和毛刺的骨骼图像；

图8是本发明中最后得到的太阳暗条手性。

具体实施方式

实施例1：如图1-8所示，一种用于识别天文图像中太阳暗条手性的方法：具体步骤为：首先对全日面图像做数学中的标准差归一化进行图像强度的统一；接着做中值滤波操作进行图像降噪；接着依次利用顶帽底帽变换和指数变换增强图像的对比度；其次利用边缘检测方法进行图像分割，并利用膨胀和腐蚀方法去除小面积块，得到太阳暗条区域；然后利用大津法对太阳暗条区域进行二值化操作，得到太阳暗条的二值图像，并利用形态学中的开闭操作对二值图像进行骨骼化处理，得到太阳暗条的骨骼图像；再根据太阳暗条骨骼图像中每一个像素点的8邻域找到每一个太阳暗条主轴与毛刺的交点，并分别以交点为中心，二次分割太阳暗条骨骼图像；接着根据二次分割的骨骼图像中各个叶节点到主轴与毛刺交点的距离来判断毛刺位置，得到毛刺的骨骼图像。用二次分割的骨骼图像减去毛刺的骨骼图像就得到了太阳暗条主轴的骨骼图像，并根据毛刺位置在二值图像中得到毛刺面积；然后利用最小二乘法分别拟合太阳暗条主轴与毛刺的骨骼图像，得到太阳暗条主轴与毛刺的夹角；最后将得到的各太阳暗条主轴与毛刺的夹角与相应毛刺的面积代入加权判断太阳暗条手性的计算公式，得到太阳暗条手性。

所述一种用于识别天文图像中太阳暗条手性的方法的具体步骤如下：

步骤1：图像预处理：首先对全日面图像进行标准差归一化，将每一个像素点的值与该图像的均值做差，再除以该图像的标准差进行图像强度的统一。然后使用一个大小为t1的结构元素对强度统一的全日面图像进行中值滤波操作进行降噪，得到降低噪声后的全日面图像；

步骤2：增强图像对比度处理：构造半径为r的扁平圆形结构元对降噪图像进行顶帽变换和底帽变换，再做指数变换增强图像的对比度。其中指数变换参数为r；

步骤3：分割出太阳暗条区域：用阈值上界为th的canny算子对增强对比度后的图像进行分割，并利用一个大小为t2的结构元素对图像先做膨胀运算再做腐蚀运算去除小面积块，得到太阳暗条区域；

步骤4：识别太阳暗条主轴与毛刺：利用大津法对太阳暗条区域进行二值化操作，得到太阳暗条的二值图像，并利用形态学中的开闭操作对二值图像进行骨骼化处理，得到太阳暗条的骨骼图像。再根据骨骼图像中的8邻域找到每一个太阳暗条主轴与毛刺的交点，并分别以交点为中心，二次分割太阳暗条骨骼图像，分割后的骨骼图像大小为si，接着计算出二次分割骨骼图像中各叶节点到主轴与毛刺交点的距离，来判断毛刺位置，得到毛刺的骨骼图像，再用二次分割的骨骼图像减去毛刺的骨骼图像，就得到了太阳暗条主轴的骨骼图像，并根据毛刺位置在二值图像中得到毛刺的面积s；

步骤5：计算太阳暗条手性：利用最小二乘法分别拟合太阳暗条主轴与毛刺的骨骼图像，得到太阳暗条主轴与毛刺的夹角b，再将得到的各太阳暗条主轴与毛刺的夹角b与相应毛刺的面积s代入加权判断太阳暗条手性的计算公式，根据计算结果得到太阳暗条手性。

进一步地，所述步骤1中的结构元素t1是边长为8～10的矩阵。

进一步地，所述步骤2中扁平圆形结构元r是半径为9～11的圆，指数变换参数r的范围为0～1。

进一步地，所述步骤3中阈值上界th的范围是0～1，结构元素t2是边长为7～11的矩阵。

进一步地，所述步骤4中骨骼图像大小si是边长为31的矩阵，毛刺面积s的范围为2～320。

进一步地，所述步骤5中太阳暗条主轴与毛刺的夹角b范围是0°～360°，毛刺面积s的范围为2～320。

实施例2：如图1-8所示，一种用于识别天文图像中太阳暗条手性的方法的具体步骤如下：

步骤1：图像预处理：首先对全日面图像(如图2所示)进行标准差归一化，将每一个像素点的值与该图像的均值做差，再除以该图像的标准差进行图像强度的统一；然后使用一个大小为9×9的矩阵作为结构元素t1对强度统一的全日面图像进行中值滤波操作，进行降噪处理，得到降低噪声后的全日面图像；

标准差归一化定义：使处理后的图像数据符合标准正态分布，即均值为0，方差为1。其计算公式如下：

其中，n表示像素值个数，xi表示第i个元素的像素值，μ表示图像的均值，σ表示图像的标准差。

中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，它是指在图像上，对待处理的像素给定一个模板，该模板包括了其周围的邻近像素，将模板中的全体像素的中值来替代原来的像素值。

步骤2：增强图像对比度处理：构造一个半径为10的扁平圆形结构元r对降噪图像进行形态学中的顶帽变换和底帽变换，再进行指数变换来增强图像的对比度，提高图像质量，如图3所示。本发明中指数变换的参数r＝0.4；

顶帽变换定义如下所示：

that(f)＝f-f'

其中，that(f)为顶帽变换后的图像，f为原图像，f'为f进行开操作后的图像。

底帽变换定义如下所示：

bhat(f)＝f”-f

其中，bhat(f)为底帽变换后的图像，f为原图像，f”为f进行闭操作后的图像。

指数变换是将输入图像像素值，按参数r＝0.4进行指数乘方变换。

步骤3：分割出太阳暗条区域：用阈值上界th＝0.15的canny算子对增强对比度后的图像进行分割，得到图像中太阳暗条等区域的边缘，并利用一个10×10大小的矩阵结构元素t2对图像先做膨胀运算再做腐蚀运算去除小面积块，得到太阳暗条区域，如图4所示，其中白色区域为太阳暗条；

canny算子实现步骤如下：

首先针对图像用高斯滤波器来平滑，用以减少噪声。其次计算图像中每一点的局部梯度值和方向，梯度方向上局部强度最大的点叫做边缘点。然后给出这些边缘点在梯度幅度图像上的脊，设置不再脊顶部的像素点为0，值大于阈值th的像素点为强边缘点，值介于0.4×th～th之间的为弱边缘点。最后用合并8连接的弱像素点到强像素点的方法边缘连接。本发明中th＝0.15。

膨胀的定义如下所示：

其中，y表示目标图像，b(y)表示结构元素，φ表示空集，y表示膨胀后的结果，对集合e中的每一点y，用b(y)对e进行膨胀的结果就是把结构元素b平移后b与e的交集中非空的点构成的集合。

腐蚀的定义如下所示：

其中，x表示目标图像，b(x)表示结构元素，x表示腐蚀后的结果，用b(x)对e进行腐蚀的结果就是把结构元素b完全包括在e中时b的原点位置的集合。

步骤4：识别太阳暗条主轴与毛刺：利用大津法对太阳暗条区域进行二值化操作，得到太阳暗条的二值图像，并利用形态学中的开闭操作对二值图像进行骨骼化处理，得到太阳暗条的骨骼图像，如图5所示。再根据骨骼图像中的8邻域找到每一个太阳暗条主轴与毛刺的交点，并分别以交点为中心，二次分割太阳暗条骨骼图像，分割后的骨骼图像大小为si，si尺寸是31×31，二次分割后的骨骼图像如图6所示。接着计算出二次分割骨骼图像中各叶节点到主轴与毛刺交点的距离，来判断毛刺位置，得到毛刺的骨骼图像，再用二次分割的骨骼图像减去毛刺的骨骼图像，就得到了太阳暗条主轴的骨骼图像，图7中左侧一列为太阳暗条主轴的骨骼图像，右侧一列为毛刺的骨骼图像。并根据毛刺位置在二值图像中得到毛刺的面积s，这里面积的范围是2～320；

大津法是图像分割中阈值选取的最佳算法之一，原理如下：设图像的大小为m×n，其中，m为图像行数，n为图像列数，t为图像前景和背景的分割阈值，n0为图像中像素灰度值小于t的像素个数，n1为像素灰度大于t的像素个数，则有如下公式：

ω0＝n0/(m×n)

ω1＝n1/(m×n)

n0+n1＝m×n

ω0+ω1＝1

μ＝ω0×μ0+ω1×μ1

g＝ω0(μ0-μ)²+ω1(μ1-μ)²

g＝ω0ω1(μ0-μ1)²

采用遍历方法得到的最大类间方差g的值，即为t值。其中，ω0为前景像素点个数与整幅图像像素点个数的比例，μ0为前景像素点的平均灰度；ω1为背景像素点个数与整幅图像像素点个数的比例，μ1为背景像素点的平均灰度。μ为图像的总平均灰度，g为类间方差。

形态学开操作是先对图像做腐蚀操作后再做膨胀操作。形态学闭操作是先对图像做膨胀操作后再做腐蚀操作。

步骤5：计算太阳暗条手性：利用最小二乘方法，分别拟合太阳暗条主轴与毛刺的骨骼图像，得到太阳暗条主轴直线的斜率与毛刺直线的斜率，从而算出太阳暗条主轴与毛刺的夹角b，其中夹角b的范围是0°～360°；再将得到的各太阳暗条主轴与毛刺的夹角b与相应毛刺的面积s(面积s的范围是0～320)代入加权判断太阳暗条手性的计算公式，根据计算结果得到太阳暗条手性，如图8所示。

最小二乘法可以将一组点的横纵坐标拟合出一条尽可能逼近这些点的曲线或直线。由于太阳暗条的主轴和毛刺近似排列在一条直线上，因此设直线y＝ax+b为其拟合方程(x,y为像素的横纵坐标，a为直线斜率，b为直线截距)，根据线性代数知识将斜率a计算出来，在取a的反正切值得到角度。

加权判断太阳暗条手性的计算公式如下：

其中，n代表毛刺的个数，s1至sn代表1至n个毛刺的面积，θ1至θn代表1至n个毛刺与太阳暗条主轴的夹角，θ为加权计算后的角度，当θ∈(0°,90°)时太阳暗条为左手手性。当θ∈(90°,180°)时太阳暗条为右手手性。最后根据θ值来确定太阳暗条手性。本发明中左手手性用1表示，右手手性用2表示。

本发明采用的方法：(1)两次分割太阳暗条的骨骼图像，从而较为精确的识别出太阳暗条的主轴与毛刺。(2)提出了加权判断太阳暗条手性的计算公式，从而较为精确的识别太阳暗条的手性。

以上结合附图对本发明的具体实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。