一种球面射电望远镜反射面节点识别系统和方法与流程

本发明涉及球面射电望远镜节点识别技术，特别地，涉及一种球面射电望远镜反射面节点识别系统和方法。

背景技术：

fast(five-hundred-meteraperturesphericaltelescope，500米口径球面射电望远镜)主动反射面的索网结构巨大，受力情况复杂，在驱动电机拉动索网节点时其不严格沿径向运动，会有切向横移，这使得仅通过驱动电机调整量判断节点位置并不准确，而且承受巨大拉力的下拉索的弹性变形也难以准确估计。

fast望远镜主体由四大工艺系统构成，分别是主动反射面系统、馈源支撑系统、接收机与终端系统、测量与控制系统。主动反射面如同一口直径500米的大锅，可以汇聚天体辐射的电波信号，由接收机设备接收并记录信号。图1是本发明现有技术提供的fast主动反射面索网结构示意图，如图1所示，主动反射面系统由四周支撑的圈梁101、主体结构的主索102、连接地面调节面型的下拉索103以及索网上铺设的面板(图1中未示出)构成。交叉连接的钢索段形成整体索网，索网网格为尺度11米的三角形，2225个交叉连接处为索网节点，每个节点连接6根索网主索，节点下端安装下拉索和驱动机构，驱动机构由驱动电机和可伸缩的促动器组成。在驱动机构的拉动下，下拉索使整体索网在预应力作用下形成初始球面；观测时，控制下拉索的长度和张力，使反射面在有效照明口径内形成瞬时抛物面，通过结构设计来保证整体张拉和观测过程中柔索不松不断。

fast反射面由数千块单元面板组成，以钢索网为支撑，通过控制钢索网节点实现索网变形。望远镜观测时，根据天文规划与节点测量反馈信息等来计算节点调整量并下发给促动器进行本地控制，通过促动器调整节点位置，以实现反射面的主动变形，形成口径约300米的瞬时抛物面。

目前对fast索网节点的测量采用激光全站仪测量的方法，相对于其它技术来说，全站仪为成熟的商业化产品，更适用于fast大尺度、多目标、动态的测量任务。采用全站仪组成的反射面测量系统来完成对反射面节点的测量存在例如测量效率低、靶标维护困难等很多不足之处。

技术实现要素：

本发明的目的在于提供一种球面射电望远镜反射面节点识别系统和方法，用以解决反射面测量效率低及靶标维护困难等问题。

为实现上述目的，本发明提供了一种球面射电望远镜反射面节点识别系统，该系统包括：图像接收模块，用于接收反射面图像，所述反射面由多个单元面板构成；图像处理模块，用于对所述反射面图像进行图像处理以识别出单元面板之间的缝隙直线段；以及节点识别模块，用于根据单元面板之间的缝隙直线段进行节点识别，得到反射面节点的测量坐标。

优选地，所述图像处理模块包括：去噪单元，对所述反射面图像进行灰度二值化处理，得到二值化处理图像；边缘检测单元，对所述二值化处理图像通过边缘检测算法进行边缘检测，得到图像边缘像素；特征直线提取单元，根据所述图像边缘像素进行特征直线提取，得到图像边缘特征直线段；以及特征直线去重拟合单元，对所述图像边缘特征直线段进行去重和拟合，得到单元面板之间的缝隙直线段。

优选地，所述节点识别模块包括：特征节点提取单元，对所述缝隙直线段进行遍历，根据缝隙直线段的斜率进行相互之间的位置关系判断，并计算非平行的缝隙直线段交点的像素坐标，以得到初始特征节点；以及特征节点去重单元，对所述初始特征节点进行遍历，根据初始特征节点相互之间的距离进行去重操作，得到所述反射面节点的测量坐标。

优选地，本发明提供的球面射电望远镜反射面节点识别系统还包括：感兴趣区域识别模块，分别以每一个所述反射面节点的测量坐标为中心，根据预先设定的规则划定感兴趣区域，得到感兴趣区域；以及特征节点精检测模块，用于对所述感兴趣区域中的每一个感兴趣区域，再次通过所述图像处理模块进行图像处理并通过所述节点识别模块进行节点识别，以得到反射面节点的精确坐标。

优选地，本发明提供的球面射电望远镜反射面节点识别系统还包括：降采样模块，用于对所述反射面图像进行降采样处理，得到降采样图像；其中，所述图像处理模块用于对所述降采样图像进行图像处理以识别出单元面板之间的缝隙直线段。

相应地，本发明还提供了一种球面射电望远镜反射面节点识别方法，该方法包括：接收反射面图像，所述反射面由多个单元面板构成；对所述反射面图像进行图像处理以识别出单元面板之间的缝隙直线段；以及根据单元面板之间的缝隙直线段进行节点识别，得到反射面节点的测量坐标。

优选地，对所述反射面图像进行图像处理以识别出单元面板之间的缝隙直线段包括：对所述反射面图像进行灰度二值化处理，得到二值化处理图像；对所述二值化处理图像通过边缘检测算法进行边缘检测，得到图像边缘像素；根据所述图像边缘像素进行特征直线提取，得到图像边缘特征直线段；以及对所述图像边缘特征直线段进行去重和拟合，得到单元面板之间的缝隙直线段。

优选地，根据单元面板之间的缝隙直线段进行节点识别得到反射面节点的测量坐标包括：对所述缝隙直线段进行遍历，根据缝隙直线段的斜率进行相互之间的位置关系判断，并计算非平行的缝隙直线段交点的像素坐标，以得到初始特征节点；以及对所述初始特征节点进行遍历，根据初始特征节点相互之间的距离进行去重操作，得到所述反射面节点的测量坐标。

优选地，本发明提供的球面射电望远镜反射面节点识别方法还包括：分别以每一个所述反射面节点的测量坐标为中心，根据预先设定的规则划定感兴趣区域，得到感兴趣区域；以及对所述感兴趣区域中的每一个感兴趣区域，再次进行图像处理并进行节点识别，以得到反射面节点的精确坐标。

优选地，本发明提供的球面射电望远镜反射面节点识别方法还包括：对所述反射面图像进行降采样处理，得到降采样图像；其中，对所述降采样图像进行图像处理以识别出单元面板之间的缝隙直线段。

本发明通过对反射面图像进行图像处理及节点识别，从而实现对反射面各节点位置的识别，通过本发明提供的技术方案，不仅能够提高反射面测量效率，而且能够很好地克服反射面有源靶标带来的电磁干扰及避免反射面激光靶标的维护难等问题。

附图说明

附图是用来提供对本发明实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明实施例，但并不构成对本发明实施例的限制。在附图中：

图1是本发明现有技术提供的fast索网结构示意图；

图2是本发明提供的球面射电望远镜反射面节点识别系统的框图；

图3是本发明提供的反射面面板的图示；

图4是本发明提供的另一球面射电望远镜反射面节点识别系统的框图；

图5是本发明具体实施方式提供的球面射电望远镜反射面节点识别过程的流程图；

图6是本发明具体实施方式提供的现场拍摄的反射面图像；

图7是本发明具体实施方式提供的对反射面图像进行降采样处理后得到的降采样图像；

图8是本发明具体实施方式提供的对降采样图像进行灰度二值化处理后得到的二值化处理图像；

图9是本发明具体实施方式提供的对二值化处理图像进行边缘检测后得到的图像；

图10是本发明具体实施方式提供的对图像边缘像素进行特征直线提取后得到的图像；

图11是本发明具体实施方式提供的对图像边缘特征直线段进行去重和拟合之后得到的图像；

图12是本发明具体实施方式提供的根据缝隙直线段进行特征节点提取之后得到的图像；

图13是本发明具体实施方式提供的对初始特征节点进行去重之后得到图像；以及

图14是本发明提供的球面射电望远镜反射面节点识别方法的流程图。

具体实施方式

以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明的范围。

在详细阐述本发明之前，首先介绍一下本发明的应用背景，以便于更加容易地理解本发明，而不是为了限制本发明。

本发明以摄影测量原理为基础，通过摄影测量技术进行反射面的节点识别。摄影测量技术以单台或多台高精度测量相机为传感器，以交会测量原理进行快速无接触测量，测量范围大、速度快，适合于多点动态测量场合，本发明以反射面的单元面板之间的缝隙作为特征条件识别节点位置，并结合测量相机的位置来确定反射面节点的三维坐标。

反射面节点为单元面板之间的缝隙的交点，但本领域技术人员应当理解，本发明中提到的反射面节点一般情况下指的是通过本发明的技术方案所识别到的反射面节点，而并非实际的反射面节点，二者可能会存在一定的误差，而本发明的技术方案正是为了减小这种误差。

图2是本发明提供的球面射电望远镜反射面节点识别系统的框图，如图2所示，该系统包括图像接收模块201、图像处理模块202和节点识别模块203。

图像接收模块201用于接收反射面图像，反射面由多个单元面板构成。本领域技术人员应当理解，反射面是由多个单元面板构成的，本发明中的单元面板一般为三角形。图3是本发明提供的反射面的图示，图3所示的反射面是由多个三角单元面板构成的，在这些三角单元面板之间的存在直线缝隙。反射面图像例如可以通过dpu(digitalpositioningunit，数码测量单元)实时拍摄得到，具体可以采用例如相机等具有拍照功能的拍照设备。

图像处理模块202用于对反射面图像进行图像处理以识别出单元面板之间的缝隙直线段。在反射面图像中，从单元面板到单元面板之间的缝隙，灰度值会发生急剧变化，表现为灰度的一阶导数在此处有幅值，因而可以利用这样的一个特征识别出单元面板之间的直线缝隙，也就是这里所说的缝隙直线段。

节点识别模块203用于根据单元面板之间的缝隙直线段进行节点识别，得到反射面节点的测量坐标。节点识别模块203在图像处理模块202所得到的缝隙直线段的基础上提取反射面节点的位置，应当理解，该反射面节点位置可以作为后续三维重建的基础。这里的反射面节点的位置即为反射面节点的测量坐标，也可以是本发明其它地方所描述的反射面节点的精确坐标。

图4是本发明提供的另一球面射电望远镜反射面节点识别系统的框图，如图4所示，图像处理模块202包括去噪单元2021、边缘检测单元2022、特征直线提取单元2023和特征直线去重拟合单元2024。

去噪单元2021对反射面图像进行灰度二值化处理，得到二值化处理图像。图像二值化的关键是选择合适的分割阈值，从而实现图像中的噪声去除，本发明提供的技术方案中后续待提取的图像边缘特征直线段的灰度值在一动态范围内，因而这里可以采用基于直方图的动态阈值算法。

动态阈值算法为本领域技术人员熟知的一种算法，这里对其原理进行简要介绍：首先，绘制反射面图像的灰度直方图；然后，依次针对灰度直方图中的0到255各个灰度值所对应的像素点个数进行比较，找出最大像素点个数即波峰，并标出波峰所对应的灰度级；其次，将灰度直方图波峰的峰值p乘以设定的分割系数f，在本发明中可以将分割系数设定为0.05，即f＝0.05将所得到的常数(即0.05p)作为一条平行于灰度直方图的x轴的直线l，该直线l与灰度直方图有若干交点；再以波峰为分界，波峰左边靠近峰值的第一个交点所对应的灰度值即为所寻找的分割阈值t；若是波峰左边有2个或2个以上交点，则分割阈值t可以设定为靠近波峰的第一个交点和第二个交点所对应的灰度值的平均值。这里分割阈值t的设定模式为一般情况的设定模式，本领域技术人员应当理解，在波峰左边有2个以上交点的情况下，分割阈值t可以设定为靠近波峰的多个交点所对应的灰度值的平均值，本领域技术人员可以根据实际情况对这里的“多个交点”的个数进行设定。

在采用动态阈值算法得到分割阈值之后，根据所得到的分割阈值对反射面图像进行处理，例如，对灰度值高于分割阈值的像素设定为白色，灰度值低于分割阈值的像素设定为黑色，从而得到二值化处理图像。

边缘检测单元2022对二值化处理图像通过边缘检测算法进行边缘检测，得到图像边缘像素。边缘检测是图像处理和计算机视觉中的基本问题，边缘检测的目的是标识数字图像中亮度变化明显的点，本发明提供的技术方案中，采用边缘检测算法来识别出二值化处理图像中灰度值高于分割阈值的像素，也就是这里所描述的图像边缘像素。

边缘检测算法为一种成熟的算法，本领域技术人员可以根据实际情况采用适当的边缘检测算法，本发明中提供的技术方案在实际应用中采用了canny边缘检测算子，然而本发明不限于此，本领域技术人员也可以采用除canny边缘检测算子之外的其它边缘检测算法，只要得到的结果符合预计的需求即可。

这里对本发明实际应用中所采用的canny边缘检测算子进行简要介绍，边缘检测算子检测一般分为以下三步：滤波、增强和检测。首先，采用高斯平滑卷积滤波，进行去噪；再对梯度幅值g和方向θ进行相应的计算；然后，利用非极大值抑制的方法进行图像的“瘦边”操作；最后，利用高、低双阈值进行滞后阈值的设置。若某像素的梯度幅值g大于高阈值，则视为边缘像素并保留；若某像素的梯度幅值g小于低阈值，则此像素被删除；若某像素的幅值g处在两者之间，则此像素只有满足在其周围8邻域范围内有边缘像素存在时才视为边缘像素，其中8邻域是指某个像素的上、下、左、右、左上、右上、左下、右下8个像素，也就是说，对于幅值g处在两者之间的像素，在该像素与边缘像素邻接的情况下才视为边缘像素保留，否则该像素被删除。

具体到本发明的技术方案，采用canny边缘检测算子对去噪单元2021得到的二值化处理图像进行边缘检索，从而得到了图像边缘像素。本领域技术人员应当理解，这里仅仅对canny边缘检测算子进行了简要的介绍，由于canny边缘检测算子为本领域熟知的技术，因而这里不对其进行过多的阐述。

特征直线提取单元2023根据图像边缘像素进行特征直线提取，得到图像边缘特征直线段。在边缘检测单元2022对二值化处理图像进行边缘检测得到图像边缘像素之后，特征直线提取单元2023根据该图像边缘像素对特征直线进行提取，以为后续的反射面的特征节点的提取提供基础。

在现有技术中有多个算法可以用于特征直线提取，本领域技术人员可以根据实际情况采用相应的算法，但需要能够实现特征直线提取的要求。本发明中采用的是累计概率霍夫变换，即通过累计概率霍夫变换将图像边缘像素转化为直线段，即图像边缘特征直线段。此外，本领域技术人员应当理解，这特征直线提取单元2023得到图像边缘特征直线段之后，会将每一个图像边缘特征直线段的端点记录并存储，并且会对所得到的图像边缘特征直线段进行编号，这些图像边缘特征直线段的编号和端点会对应地存储在存储器中。存储过程是本领域技术人员所熟知的技术，于此不予赘述。

特征直线去重拟合单元2024对图像边缘特征直线段进行去重和拟合，得到单元面板之间的缝隙直线段。在特征直线提取单元2023进行特征直线提取之后，图像边缘特征直线段被提取出来，由于像素的渐变性原则，会导致后续在求取图像边缘特征直线段交点时存在许多干扰交点，从而影响实验结果的准确性，因此对所得到的图像边缘特征直线段进行去重是保证交点准确率的非常必要且重要的步骤。

下面介绍一下本发明采用的特征直线去重拟合单元2024对图像边缘特征直线段进行去重和拟合操作的过程。

对特征直线提取单元2023得到的所有图像边缘特征直线段进行遍历(可以根据图像边缘特征直线段的编号进行遍历)，在遍历图像边缘特征直线段的过程中，假设存在i和j两条图像边缘特征直线段，i的两端点坐标分别为(x1i,y1i)和(x2i,y2i)，j的两端点坐标分别为(x3j,y3j)和(x4j,y4j)。

i的斜率对应的角度用k1i表示，j的斜率对应的角度用k2j表示，k1i和k2j通过公式(1)计算得到：

针对公式(1)计算得到的k1i和k2j，计算|k1i-k2j|，若|k1i-k2j|≤7.5度，则视为i和j相互平行，若|k1i-k2j|＞7.5度，则视为i和j相互不平行。对于判断为相互平行的两条图像边缘特征直线段，计算两条相互平行的图像边缘特征直线段之间的距离，这里假设i和j为相互平行的两条图像边缘特征直线段，则可以利用公式(2)计算两条平行的图像边缘特征直线段i和j之间的距离d：

在公式(2)中，c1＝x2i×y1i-x1i×y2i，c2＝x4j×y3j-x3j×y4j，e＝y2i-y1i，b1＝x1i-x2i，b2＝x3j-x4j，若d≤70像素，则视为i和j为重合，若d＞70像素，则视为i和j为不重合。

对于视为相互不平行或不重合的两条图像边缘特征直线段，不进行任何操作，返回继续进行遍历，对于视为重合的两条图像边缘特征直线段，进行去重操作，也就是说，对于认为重合的两条图像边缘特征直线段，删除其中一条图像边缘特征直线段，删除的图像边缘特征直线段可以是两条图像边缘特征直线段中的任意一条图像边缘特征直线段，也可以根据预先设定的删除重合的图像边缘特征直线段的规则来选择删除其中一条图像边缘特征直线段，例如可以删除后遍历到的图像边缘特征直线段。

这里对图像边缘特征直线段进行遍历的过程进行举例说明，例如存在5条图像边缘特征直线段，分别为第一图像边缘特征直线段、第二图像边缘特征直线段、第三图像边缘特征直线段、第四图像边缘特征直线段、第五图像边缘特征直线段。在遍历到第一图像边缘特征直线段时，将第一图像边缘特征直线段与其它4条图像边缘特征直线段分别进行是否相互平行及是否重合的判断。在遍历到第二图像边缘特征直线段时，将第二图像边缘特征直线段与其它4条图像边缘特征直线段分别进行是否相互平行及是否重合的判断，或者仅将第二图像边缘特征直线段与第三至第五图像边缘特征直线段分别进行是否相互平行及是否重合的判断，若第二图像边缘特征直线段与第四图像边缘特征直线段判断为视为重合的两条图像边缘特征直线段，可以删除第四图像边缘特征直线段，此时仅剩下第一图像边缘特征直线段、第二图像边缘特征直线段、第三图像边缘特征直线段、第五图像边缘特征直线段4条图像边缘特征直线段。接下来，在遍历到第三图像边缘特征直线段时，将第三图像边缘特征直线段与其它3条图像边缘特征直线段进行是否相互平行及是否重合的判断，或者将第三图像边缘特征直线段与第五图像边缘特征直线段进行是否相互平行及是否重合的判断。这里所描述的遍历的过程仅仅是以解释为目的的，而并非为了限制本发明，任何合理的对图像边缘特征直线段遍历的方式均在本发明的保护范围之内。

本领域技术人员应当理解，删除图像边缘特征直线段的过程需要完成将存储器中存储的相应的图像边缘特征直线段的编号和端点删除，去重后的图像边缘特征直线段直线段，也就是在存储器中仍存在的编号所对应的图像边缘特征直线段，去重后的图像边缘特征直线段的编号和端点也是已知的，可以通过现有技术已知的最小二乘拟合算法对去重后的图像边缘特征直线段进行最小二乘拟合，以得到单元面板之间的缝隙直线段。

以上介绍了本发明实施例采用的对图像边缘特征直线段进行去重和拟合操作的过程，当然本发明并不限于此，任何可以实现图像边缘特征直线段的去重和拟合操作的方式都属于本发明的保护范围。

如图4所示，节点识别模块203包括特征节点提取单元2031和特征节点去重单元2032。

特征节点提取单元2031对缝隙直线段进行遍历，根据缝隙直线段的斜率进行相互之间的位置关系判断，并计算非平行的缝隙直线段交点的像素坐标，以得到初始特征节点。

通过上文的阐述可知，图像处理模块202得到的缝隙直线段的编号和端点已知并存储在存储器中，特征节点提取单元2031可以根据缝隙直线段的编号对缝隙直线段进行遍历，在遍历缝隙直线段的过程中，假设存在m和n两条缝隙直线段，其中m的两端点坐标分别为(x1m,y1m)和(x2m,y2m)，n的两端点坐标分别为(x1n,y1n)和(x2n,y2n)，m的斜率用km表示，n的斜率用kn表示，km和kn通过公式(3)计算得到：

通过公式(4)计算得到参数am、an、bm、bn、cm、cn：

针对公式(3)计算得到的km和kn，计算|km-kn|，若|km-kn|≤2.5，则视为m和n相互平行，若|km-kn|＞2.5，则视为m和n相互不平行。对于视为相互平行的两条缝隙直线段，不进行任何操作，返回继续进行遍历。对于视为相互不平行的两条缝隙直线段，计算这两条缝隙直线段交点的像素坐标，从而得到初始特征节点，缝隙直线段交点的像素坐标用(u,v)表示，(u,v)通过公式(5)计算得到：

在计算得到像素坐标(u,v)之后，判断像素坐标(u,v)是否在反射面图像像素范围之内，若像素坐标(u,v)在反射面图像像素范围之内，则将像素坐标(u,v)标记为初始特征节点。若像素坐标(u,v)不在反射面图像像素范围之内，则忽略像素坐标(u,v)，也就是不作为初始特征节点。其中，本领域技术人员应当理解，两条缝隙直线段的交点可能在缝隙直线段之上，也可能在缝隙直线段之外。

这里对缝隙直线段进行遍历的过程进行举例说明，例如存在5条缝隙直线段，分别为第一缝隙直线段、第二缝隙直线段、第三缝隙直线段、第四缝隙直线段、第五缝隙直线段。在遍历到第一缝隙直线段时，将第一缝隙直线段与其它4条缝隙直线段分别进行是否相互平行的判断。在遍历到第二缝隙直线段时，将第二缝隙直线段也与其它4条缝隙直线段分别进行是否相互平行的判断，或者将第二缝隙直线段与第三至第五缝隙直线段分别进行是否相互平行的判断，以此类推。这里所描述的遍历的过程仅仅是以解释为目的的，而并非为了限制本发明，任何合理的对缝隙直线段遍历的方式均在本发明的保护范围之内。

特征节点去重单元2032对初始特征节点进行遍历，根据初始特征节点相互之间的距离进行去重操作，得到反射面节点的测量坐标。对于特征节点提取单元2031得到的初始特征节点，会存在一定数量的噪声点，特征节点去重单元2032的操作就是为了去除这些噪声点，也可以认为是去重操作，从而得到优化的特征节点，即得到反射面节点的测量坐标。

特征节点去重单元2032对特征节点提取单元2031得到的初始特征节点进行遍历，在遍历初始特征节点的过程中，假设存在s和t两个初始特征节点，s的坐标为(x1s,y1s)，t的坐标为(x2t,y2t)，s和t之间的距离用dis通过公式(6)计算：

判断是否dis＜30像素，若是，则将s和t两个初始特征节点视为相近点，否则，不进行任何操作，返回继续进行遍历。对于视为相近点的两个初始特征节点，删除其中一个初始特征节点，删除的初始特征节点可以是两个初始特征节点中的任意一个初始特征节点，也可以根据预先设定的删除相近的初始特征节点的规则来选择删除其中一个初始特征节点，例如可以删除后遍历到的初始特征节点，或者根据相近的两个初始特征节点的坐标来确定所要删除的初始特征节点。

这里对初始特征节点进行遍历的过程进行举例说明，例如存在5个初始特征节点，分别为第一初始特征节点段、第二初始特征节点、第三初始特征节点、第四初始特征节点、第五初始特征节点。在遍历到第一初始特征节点时，将第一初始特征节点与其它4个初始特征节点分别进行是否可视为相近点的判断。在遍历到第二初始特征节点时，将第二初始特征节点也与其它4个初始特征节点分别进行是否可视为相近点的判断，或者仅将第二初始特征节点与第三至第五初始特征节点分别进行是否可视为相近点的判断，若第二初始特征节点与第四图像边缘特征直线段判断为视为相近点，那么例如可以删除第四初始特征节点，此时仅剩下第一初始特征节点、第二初始特征节点、第三初始特征节点、第五初始特征节点4个初始特征节点。接下来，在遍历到第三初始特征节点时，将第三初始特征节点与其它3个初始特征节点进行是否可视为相近点的判断，或者仅将第三初始特征节点与第五初始特征节点进行是否可视为相近点的判断。这里所描述的遍历的过程仅仅是以解释为目的的，而并非为了限制本发明，任何合理的对初始特征节点遍历的方式均在本发明的保护范围之内。

对于根据相近的两个初始特征节点的坐标来确定所要删除的初始特征节点的方式如下：

假设s和t为相近的两个初始特征节点，对s和t的横坐标进行比较，s的横坐标用s.x表示，s的纵坐标用s.y表示，t的横坐标用t.x表示，t的纵坐标用t.y表示，若|s.x-t.x|≤10^-6，则按照s和t的纵坐标进行排序，根据纵坐标排序后的结果进行去重操作，假设有s.y＜t.y，则可以删除初始特征节点t，也可以删除初始特征节点s；若|s.x-t.x|＞10^-6，则按照s和t的横坐标进行排序，根据横坐标排序后的结果进行去重操作，假设有s.x＜t.x，则可以删除初始特征节点t，也可以删除初始特征节点s。

节点识别模块203得到反射面节点的测量坐标之后，可以认为是完成了特征节点的粗提取，然而，在fast现场的精度要求比较高的情况下，还需要对粗提取出来的反射面节点进行精提取操作。

如图4所示，本发明提供的球面射电望远镜反射面节点识别系统还包括感兴趣区域识别模块204和特征节点精检测模块205。

感兴趣区域识别模块204分别以每一个反射面节点的测量坐标为中心，根据预先设定的规则划定感兴趣区域，以得到感兴趣区域。

感兴趣区域(roi，regionofinterest)，为指定的小范围区域，以减少其它区域的噪声的干扰，对于根据预先设定的规则划定感兴趣区域，这里预先设定的规则例如可以设定为以每一个反射面节点的测量坐标为中心划定边长为指定长度的正方形区域，即感兴趣区域。容易理解，由于针对每一个反射面节点的测量坐标都会划定一个感兴趣区域，所以感兴趣区域的数量与粗提取过程中节点识别模块203得到的反射面节点(即反射面节点的测量坐标所表示的反射面节点)的数量相同。

对每一个反射面节点划定感兴趣区域的顺序例如可以是通过遍历节点识别模块203得到的反射面节点(即反射面节点的测量坐标所表示的反射面节点)的顺序，也可以是根据节点识别模块203得到的反射面节点(即反射面节点的测量坐标所表示的反射面节点)的横坐标(或纵坐标)从小到大(或从大到小)的顺序。

对于一些处于反射面图像边缘，具体表现为横坐标或者纵坐标距离反射面图像最近边缘的距离小于roi的边长尺寸的一半的节点(即反射面节点的测量坐标所表示的反射面节点)，若节点(即反射面节点的测量坐标所表示的反射面节点)的横坐标小于roi的边长的一半，则将roi的边长改为横坐标的2倍；若节点(即反射面节点的测量坐标所表示的反射面节点)的横坐标与反射面图像像素的总列数之间的距离小于roi的边长的一半，则将roi的边长改为反射面图像像素总列数与节点(即反射面节点的测量坐标所表示的反射面节点)横坐标之差的2倍；若节点(即反射面节点的测量坐标所表示的反射面节点)的纵坐标小于roi的边长的一半，则将roi的边长改为纵坐标的2倍；若节点(即反射面节点的测量坐标所表示的反射面节点)的纵坐标与反射面图像像素的总行数之间的距离小于roi的边长的一半，则将roi的边长改为反射面图像像素总列数与节点(即反射面节点的测量坐标所表示的反射面节点)纵坐标之差的2倍；对于节点(即反射面节点的测量坐标所表示的反射面节点)处在反射面图像的四个角上的，则将这些节点(即反射面节点的测量坐标所表示的反射面节点)的roi的边长改为离最近的边缘的距离的两倍。

以上给出了感兴趣区域的划定方式，但发明不限于此，感兴趣区域也不限于正方形区域，技术人员可以根据实际情况来划定其它形状的感兴趣区域，例如长方形、圆形等。

预先设定的规则例如还可以设定为以每一个反射面节点的测量坐标为中心划定长度和宽度不同的长方形区域，即感兴趣区域。

在感兴趣区域为长方形区域的情况下，对于一些处于反射面图像边缘，具体表现为横坐标或者纵坐标距离反射面图像最近边缘的距离小于roi的边长尺寸的一半的节点(即反射面节点的测量坐标所表示的反射面节点)，这里先假设横坐标方向为长方形感兴趣区域的长度方向，纵坐标方向为长方形感兴趣区域的宽度方向，若节点(即反射面节点的测量坐标所表示的反射面节点)的横坐标小于roi的长度值的一半，则将roi的长度改为横坐标的2倍；若节点(即反射面节点的测量坐标所表示的反射面节点)的横坐标与反射面图像像素的总列数之间的距离小于roi的长度值的一半，则将roi的长度改为反射面图像像素总列数与节点(即反射面节点的测量坐标所表示的反射面节点)横坐标之差的2倍；若节点(即反射面节点的测量坐标所表示的反射面节点)的纵坐标小于roi的宽度值的一半，则将roi的宽度改为纵坐标的2倍；若节点(即反射面节点的测量坐标所表示的反射面节点)的纵坐标与反射面图像像素的总行数之间的距离小于roi的宽度值的一半，则将roi的宽度改为反射面图像像素总列数与节点(即反射面节点的测量坐标所表示的反射面节点)纵坐标之差的2倍；对于节点(即反射面节点的测量坐标所表示的反射面节点)处在反射面图像的四个角上的，则将这些节点(即反射面节点的测量坐标所表示的反射面节点)的roi的长度和宽度均改为离最近的边缘的距离的两倍。

在确定感兴趣区域之后，特征节点精检测模块205再对感兴趣区域进行精提取操作。

特征节点精检测模块205用于对感兴趣区域中的每一个感兴趣区域，再次通过图像处理模块202进行图像处理并通过节点识别模块203进行节点识别，以得到反射面节点的精确坐标。具体来说，对于感兴趣区域识别模块204得到的感兴趣区域，再次进行图像处理模块202进行的灰度二值化处理、边缘检测、特征直线提取、去重和拟合等操作以及节点识别模块203进行的初始特征节点提取和去重等操作，以得到反射面节点的精确坐标，这里所说的反射面节点的精确坐标是相对于节点识别模块203得到的反射面节点的测量坐标来说的。

本发明提供的球面射电望远镜反射面节点识别系统还包括降采样模块(图中未示出)，降采样模块用于对反射面图像进行降采样处理，得到降采样图像；其中，图像处理模块202用于对降采样图像进行图像处理以识别出单元面板之间的缝隙直线段。也就是说，在采用降采样模块对反射面图像进行降采样处理的情况下，图像处理模块202进行图像处理以识别缝隙直线段的处理过程所针对的反射面图像可以替换为降采样图像。

图像接收模块201所接收的反射面图像太大，处理过程中占用内存空间过多，处理速度慢，为了克服这个问题，可以采用降采样模块对反射面图像进行降采样处理，以使得反射面图像的像素减少，但反射面图像的整体外形未发生改变，在不对实验结果产生影响的前提下，大幅提升了图像的计算速度。本发明实施例采用高斯金字塔算法对反射面图像进行降采样处理，但是本发明不限于此，任何可以实现本发明目的的可以进行降采样处理的算法都在本发明的保护范围之内。

本发明采用的高斯金字塔算法中，降采样系数为0.1，算法简要介绍如下：首先，对上一层图像gi-1层级的图像进行高斯内核卷积；然后，再将反射面图像所有的偶数行和列去除掉，即可得到gi层级的图像，其中每一层级的图像阶层所采用的低通滤波器的截止频率以因子2进行递增。本发明采用的高斯金字塔算法为现有技术中的算法，因而这里仅对高斯金字塔算法的原理进行简要介绍，由于高斯金字塔算法为本领域技术人员熟知的技术，于此不予赘述。

图5是本发明具体实施方式提供的球面射电望远镜反射面节点识别过程的流程图，下面结合本发明在实际应用对本发明进行阐述，如图5所示，该过程包括：

步骤501，接收反射面图像，如图6所示，图6是本发明具体实施方式提供的现场拍摄的反射面图像；

步骤502，对反射面图像进行降采样处理，得到降采样图像，如图7所示，图7是本发明具体实施方式提供的对反射面图像进行降采样处理后得到的降采样图像；

步骤503，对降采样图像进行灰度二值化处理，得到二值化处理图像，如图8所示，图8是本发明具体实施方式提供的对降采样图像进行灰度二值化处理后得到的二值化处理图像；

步骤504，对二值化处理图像进行边缘检测，得到图像边缘像素，如图9所示，图9是本发明具体实施方式提供的对二值化处理图像进行边缘检测后得到的图像；

步骤505，根据图像边缘像素进行特征直线提取，得到图像边缘特征直线段，如图10所示，图10是本发明具体实施方式提供的对图像边缘像素进行特征直线提取后得到的图像；

步骤506，对图像边缘特征直线段进行去重和拟合，得到单元面板之间的缝隙直线段，如图11所示，图11是本发明具体实施方式提供的对图像边缘特征直线段进行去重和拟合之后得到的图像；

步骤507，根据缝隙直线段进行特征节点提取，也就是对非平行的缝隙直线段求取交点，并得到交点的像素坐标，从而得到初始特征节点，如图12所示，图12是本发明具体实施方式提供的根据缝隙直线段进行特征节点提取之后得到的图像；

步骤508，对初始特征节点进行去重操作，得到反射面节点的测量坐标，如图13所示，图13是本发明具体实施方式提供的对初始特征节点进行去重之后得到图像；

步骤509，判断是否已经划定并获取roi，也就是判断是否已经进行精提取过程，若判断结果为是，则结束整个节点识别过程，若判断结果为否，则进入步骤510；

步骤510，划定并获取roi，对获取的roi再次执行步骤503至步骤508的操作，以得到反射面节点的精确坐标。

图14是本发明提供的球面射电望远镜反射面节点识别方法的流程图，如图14所示，该方法包括：

步骤1401，接收反射面图像，其中反射面由多个单元面板构成；

步骤1402，对反射面图像进行图像处理以识别出单元面板之间的缝隙直线段；

步骤1403，根据单元面板之间的缝隙直线段进行节点识别，得到反射面节点的测量坐标。

其中，本发明提供的球面射电望远镜反射面节点识别方法中，对反射面图像进行图像处理以识别出单元面板之间的缝隙直线段包括：对反射面图像进行灰度二值化处理，得到二值化处理图像；对二值化处理图像通过边缘检测算法进行边缘检测，得到图像边缘像素；根据图像边缘像素进行特征直线提取，得到图像边缘特征直线段；对图像边缘特征直线段进行去重和拟合，得到单元面板之间的缝隙直线段。

其中，本发明提供的球面射电望远镜反射面节点识别方法中，根据单元面板之间的缝隙直线段进行节点识别得到反射面节点的测量坐标包括：对缝隙直线段进行遍历，根据缝隙直线段的斜率进行相互之间的位置关系判断，并计算非平行的缝隙直线段交点的像素坐标，以得到初始特征节点；对初始特征节点进行遍历，根据初始特征节点相互之间的距离进行去重操作，得到反射面节点的测量坐标。

其中，本发明提供的球面射电望远镜反射面节点识别方法还包括：分别以每一个反射面节点的测量坐标为中心，根据预先设定的规则划定感兴趣区域，得到感兴趣区域；对感兴趣区域中的每一个感兴趣区域，再次进行图像处理并进行节点识别，以得到反射面节点的精确坐标。

其中，本发明提供的球面射电望远镜反射面节点识别方法还包括：对反射面图像进行降采样处理，得到降采样图像；其中，对降采样图像进行图像处理以识别出单元面板之间的缝隙直线段。

以上介绍了本发明实施例采用的对图像边缘特征直线段进行去重和拟合操作的过程，当然本发明并不限于此，任何可以实现图像边缘特征直线段进行去重和拟合操作的方式都属于本发明的保护范围。

需要说明的是，本发明提供的球面射电望远镜反射面节点识别方法的具体细节及益处与本发明提供的球面射电望远镜反射面节点识别系统类似，于此不予赘述。

以上结合附图详细描述了本发明实施例的可选实施方式，但是，本发明实施例并不限于上述实施方式中的具体细节，在本发明实施例的技术构思范围内，可以对本发明实施例的技术方案进行多种简单变型，这些简单变型均属于本发明实施例的保护范围。

摄影测量的优势在于量程大、精度高、测量速度快，能够实现大尺度、高精度和高时空采样率动态面形检测，测量范围能够达到250米，精度可达rms2mm，能在1分钟内完成测区内1000点测量任务，突破巨型射电望远镜反射面实时动态监测的瓶颈。

通过本发明提供的技术方案，可以采用图像处理的方式实现反射面节点的提取，很好地实现了无靶标测量，能有效避免有源靶标带来的电磁干扰等问题，同时也解决了靶标维修维护极端困难的问题。

另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合。为了避免不必要的重复，本发明实施例对各种可能的组合方式不再另行说明。

此外，本发明实施例的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明实施例的思想，其同样应当视为本发明实施例所公开的内容。