Методы и алгоритмы обработки точечных изображений звездного неба от видеодатчиков сканового принципа действия

• Автор: Пашенцев, Дмитрий Юрьевич
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2013
• Место защиты: Рязань
• Количество страниц: 153 с. : ил.

ОГЛАВЛЕНИЕ
ВВЕДЕНИЕ
1 АНАЛИЗ ПРОБЛЕМЫ ИДЕНТИФИКАЦИИ И
ОТОЖДЕСТВЛЕНИЯ ЗВЁЗД НА КОСМИЧЕСКИХ ИЗОБРАЖЕНИЯХ НЕБЕСНОЙ СФЕРЫ, ПОЛУЧЕННЫХ ОТ ДАТЧИКОВ СКАНОВОГО ПРИНЦИПА ДЕЙСТВИЯ ДЛЯ РЕШЕНИЯ ЗАДАЧ ПОЛЕТНОЙ КАЛИБРОВКИ
1Л Схемы съемки целевой аппаратуры с помощью систем
дистанционного зондирования Земли
1.2 Особенности отождествления звёзд на участке снимка
небесной сферы, полученного датчиком сканового типа
1.3 Методы отождествления точечных объектов небесной сферы
1.3.1 Сравнение угловых расстояний
1.3.2 Корреляционно-экстремальный метод
1.4 Анализ современных астрономических каталогов звёзд
1.5 Алгоритмы и методы сегментации изображений
1.5.1 Общая классификация и характеристика методов на основе искусственных нейронных сетей
1.5.2 Общая характеристика методов на основе нечеткой логики
1.5.3 Общая характеристика и классификация методов, основанных на выделении границ
1.5.4 Характеристика и классификация методов структурной сегментации
1.5.5 Методы сегментации, основанные на разметке точек области
1.6 Основные результаты

2 ПРИМЕНЕНИЕ АПРИОРНЫХ ЗНАНИЙ В АЛГОРИТМАХ
ВЫСОКОСКОРОСТНОЙ ОБРАБОТКИ ИЗОБРАЖЕНИЙ ЗВЁЗДНЫХ УЗОРОВ
2 Л Фильтрация астрокаталога с учетом полосы обзора космического аппарата
2.2 Фильтрация астрокаталога на основании эффективной звездной
величины
2.2.1 Учет порогового потока фоточувствительных элементов матрицы ПЗС по спектральным классам звёзд
2.3 Математическая модель оптико-электронной аппаратуры высокого разрешения для оценки видимой звёздной величины
2.3.1 Расчет эффективного значения звёздной величины для различных спектральных классов звёзд
2.4 Эталонное изображение
2.4.1 Формирование оперативного каталога звёзд
2.4.2 Формирование эталонного кадра для систем покадровой съемки
2.4.3 Формирование эталонного изображения для съемочных устройств сканового принципа действия
2.5 Основные результаты
3 МЕТОДЫ И АЛГОРИТМЫ СЕГМЕНТАЦИИ И ИДЕНТИФИКАЦИИ ЗВЁЗД НА ИЗОБРАЖЕНИЯХ ЗВЁЗДНОГО НЕБА, ПОЛУЧЕННЫХ ОТ ДАТЧИКОВ СКАНОВОГО ТИПА ДЕЙСТВИЯ
3.1 Сегментация скановых изображений участков небесной сферы..
3.1.1 Метод высокоскоростной сегментации скановых изображений участков небесной сферы
3.1.2 Алгоритм высокоскоростной сегментации
3.2 Подавление шумов ПЗС-матриц на скановых изображениях
звёздного неба
3.2.1 Алгоритм приведения средних значений яркостей пикселей
3.2.2 Подавление шумов ПЗС-матриц в высокоскоростном методе сегментации
3.3 Специализированные подходы к решению задачи сегментации
двойных звёзд
3.3.1 Алгоритм разделения двойных звёзд, основанный на базовых морфологических операциях
3.3.2 Метод сегментации по водоразделу
3.3.3 Алгоритм многомасштабного морфологического градиента
3.3.4 Алгоритм водораздела с предварительной обработкой многомасштабным морфологическим градиентом
3.4 Определение центра тяжести изображения звезды
3.4.1 Расчет координат центра тяжести образа
3.4.2 Расчет среднеквадратической погрешности определения центра тяжести изображения звезды
3.5 Подходы к решению задачи распознавания
3.5.1 Сравнение угловых расстояний
3.5.2 Корреляционно-экстремальный метод
3.5.3 Гибридный алгоритм отождествления звёзд
3.6 Основные результаты
4 ПРОГРАММНО-АППАРАТНАЯ РЕАЛИЗАЦИЯ МЕТОДОВ И
АЛГОРИТМОВ
4.1 Разработка программного обеспечения

Пороговая обработка заключается в разделении всех точек изображения по признаку яркости на два класса: объект и фон. Данный метод следует рассматривать как сравнение характеристик пикселей изображения с функцией Т, имеющей вид [25]:
где р(х,у) - некоторая локальная характеристика (обычно используется значение яркости) пикселя (х,y)f— исходное изображение.
Пороговая обработка выполняет поэлементное преобразование исходного изображения f(x,y) на основании некоторого порогового значения Т в g{x,y) следующим образом:
Таким образом, при пороговой обработке пиксели со значением «/» соответствуют объектам, а пиксели со значением «О» фону.
Основная проблема, возникающая при использовании пороговой обработки - выбор оптимального порога Т. В настоящее время методы пороговой обработки изображений можно разделить на три группы [25, 26]:
- локальная пороговая обработка;
- с глобальным порогом;
- с адаптивным порогом.
Пороговое значение называют локальным порогом в том случае, если значение Т зависит от пространственных координат изображения. При этом обработке подвергаются не все точки изображения, а только наиболее значимые, например вблизи перепадов функции яркости.
Т = Т(х,у, p(x,y),f),
(1.8)
1, если А*,у)>т
О, если f(x,y)