本发明专利技术公开了一种消除CCD天文图像中宇宙射线的方法，包括以下步骤：（1）由原始图像I进行子采样得到子采样图像，对Laplacian算子进行改进，将子采样图像进行放大后与改进后的Laplacian算子进行卷积运算，然后进行去负值处理和恢复原始大小得到Laplacian图像L′；（3）识别Laplacian图像L′中的宇宙射线；（4）去除Laplacian图像L′中的宇宙射线；（5）利用分数阶微分的归整后的Tiansi算子对去除了宇宙射线的图像进行图像边缘增强处理。本发明专利技术方法大幅度地提高了宇宙射线的识别率，使星体中受到宇宙射线影响的部位能够最大程度的保留下来，提高了图像的处理质量。
【技术实现步骤摘要】
本专利技术涉及一种CXD天文图像，特别涉及一种消除CXD天文图像中宇宙射线的方法。
技术介绍
CCD(Charge-Coupled Device,电荷f禹合元件)天文图像在采集过程中会受到各种噪声的影响，其中大能量的宇宙射线噪声严重影响到CCD天文图像的质量。宇宙射线指的是来自于宇宙中的一种具有相当大能量的带电粒子流，主要由质子、氦核、铁核等裸原子核组成，由于宇宙射线的分布没有规律，是随机分布的，有可能位于待测星的星象中，导致星象的位置和光亮度出现偏差，导致无法清晰正确的识别宇宙中的星体，因此有效的识别和消除宇宙射线噪声对于CCD天文图像的提取来说非常重要。早期最简单的消除宇宙射线的方法为多图像处理算法，指的是多次获取同一区域的图像，因为一般情况下一个像素点或者一个区域的像素点只会在有限次内(一般都在3次以下)被宇宙射线影响，所以可以通过对同一区域获取多张图像，将那些好的图像的像素点代替被宇宙线污染的像素点。但是，在有些情况下获取同一目标的多幅图像时不可能的，甚至随着时间推移，拍摄环境的变化会对天光和目标光谱的位置和强度造成影响。因此，许多研究人员提出了一种基于单幅图像消除宇宙射线的方法，例如VanDokkum提出了一种基于Laplacian (拉普拉斯)边缘检测的宇宙射线去除算法,该算法是通过二阶偏微分的Laplacian算子检测星象的边缘以及宇宙射线射线陡峭的边缘，通过星象对称性的规律独立出宇宙射线，在无需对周围环境进行对比的情况下有效地探测并去除宇宙射线噪声。但仅仅利用该算法是不够的，因为简单的Laplacian算子会检测出不连续的边缘；当检测出宇宙射线只是通过简单的中值滤波代替，会对原图像造成一定的信息缺失，星象的有用信息会遭到衰减。随着成像技术的发展进步，获取的CCD天文图像的分辨率也越来越高，所以对于消除宇宙射线的算法要求也越来越高，对于其批量处理大型CCD天文图像来说，单CPU的串行实现效率相对来说也比较低。
技术实现思路
本专利技术的目的在于克服现有技术的缺点与不足，提供一种消除CCD天文图像中宇宙射线的方法，该方法大幅度地提高了宇宙射线的识别率，有效地去除了 CCD天文图像中的宇宙射线，提高了图像处理的质量。本专利技术的目的通过下述技术方案实现一种消除C⑶天文图像中宇宙射线的方法，包括以下步骤(I)由原始图像I进行子采样得到子采样图像；(2)将传统的3X3矩阵模型的Laplacian算子改进为5X5矩阵模型的Laplacian算子，将子采样图像进行放大后与改进后的Laplacian算子进行卷积运算，将卷积运算后得到的Laplacian图像进行去负值处理，然后恢复到原始图像I的大小，得到与原始图像I的分辨率大小相同的Laplacian图像L'；(3)识别Laplacian图像L'中的宇宙射线,包括以下步骤(3-1)先识别宇宙射线和大亮星体的星象构造关联于原始图像I的噪声模型N，设定第一阈值σ lim ；(3-2MfLaplacian图像U的值与图像的像素点对应位置的噪声值作比值，得到像素点的信噪比S，S反映了 Laplacian图像U中每个像素含有噪声量的一个比值；(3-3)对各像素点的信噪比S做中值滤波处理得到信噪比S,，判断像素点的信噪比S'的值是否大于第一阈值；若信噪比S'大于第一阈值，则该像素点为候选的宇宙射线.-^4 ，(3-4)根据星象的对称性进一步识别宇宙射线和点光源星体的星象构造关联于原始图像I的精细结构模型F，设定第二阈值flim ；(3-5)将Laplacian图像L'的值与精细结构模型F作比值，得到比值T ;(3-6)判断T值是否大于第二阈值；若T值大于第二阈值flim，则该像素点为候选的宇宙射线；(3-7)将信噪比S'值大于第一阈值且T值大于第二阈值的像素点判定为宇宙射线.(4)将在步骤(3)中识别出来的宇宙射线通过中值滤波消除，得到图像Lv，设定第三阈值，判断已识别出来的宇宙射线像素数量与原始图像I总像素数量的比值相对于第三阈值X的大小若已经识别出来的宇宙射线像素数量与原始图像I总像素数量的比值小于或等于第三阈值X，则步骤(I)中的原始图像I为Lv，重复迭代执行步骤(I) - (4)，若已经识别出来的宇宙射线像素数量与原始图像I总像素数量的比值大于第三阈值X，则执行步骤(5)；(5)利用分数阶微分的Tiansi算子归整后得到的Tiansi'算子与步骤(5)中的图像Lv进行卷积运算，对Lv图像进行边缘增强处理，得到最终的图像。优选的，所述步骤(I)原始图像I是通过CPU对其采集到的图像进行分割得到的，CPU将分割得到的多个原始图像I传送给CUDA中的GPU，由GPU对各分割得到的原始图像I进行所述步骤(I)到步骤(5)的并行处理；将经过所述步骤(5)处理得到的最终图像再由GPU传送给CPU，由CPU对各接收到的最终图像进行拼接得到完整的图像。优选的，所述步骤(2)中子采样图像Γ经过fz放大后的图像产为Ifz = fzr ；I,为步骤(I)中原始图像I子采样后得到的子采样图像，fz为子采样因子；改进后的Laplacian算子的5x5矩阵模型为,0 X O X O、XK1KXψ/= O 17 1 O ; 1A 1A 1 1A 1A I0 X0X 0,所述步骤(2)中子采样图像进行放大后与改进后的Laplacian算子进行卷积运算得到的Laplacian图像Lfz为权利要求1.一种消除CCD天文图像中宇宙射线的方法，其特征在于，包括以下步骤 (1)由原始图像I进行子采样得到子采样图像； (2)将传统的3X3矩阵模型的Laplacian算子改进为5X5矩阵模型的Laplacian算子，将子采样图像进行放大后与改进后的Laplacian算子进行卷积运算，将卷积运算后得到的Laplacian图像进行去负值处理，然后恢复到原始图像I的大小，得到与原始图像I的分辨率大小相同的Laplacian图像L'； (3)识别Laplacian图像L'中的宇宙射线,包括以下步骤 (3-1)先识别宇宙射线和大亮星体的星象构造关联于原始图像I的噪声模型N，设定第一阈值σ lim ； (3-2)将Laplacian图像U的值与图像的像素点对应位置的噪声值作比值，得到像素点的信噪比S，S反映了 Laplacian图像Li中每个像素含有噪声量的一个比值； (3-3)对各像素点的信噪比S做中值滤波处理得到信噪比S'，判断像素点的信噪比S'的值是否大于第一阈值；若信噪比S'大于第一阈值，则该像素点为候选的宇宙射线；(3-4)根据星象的对称性进一步识别宇宙射线和点光源星体的星象构造关联于原始图像I的精细结构模型F，设定第二阈值flim ； (3-5)将Laplacian图像Li的值与精细结构模型F作比值，得到比值T ; (3-6)判断T值是否大于第二阈值；若T值大于第二阈值flim，则该像素点为候选的宇宙射线； (3-7)将信噪比S'值大于第一阈值且T值大于第二阈值的像素点判定为宇宙射线； (4)将在步骤(3)中识别出来的宇宙射线通过中值滤波消除，得到图像Lv，设定第三阈值，判断已识别出来的宇宙射线像素数量与原始图像I总像素数量的比值相对于第三阈值X的大小 若已经识别出来的宇宙本文档来自技高网...
【技术保护点】
一种消除CCD天文图像中宇宙射线的方法，其特征在于，包括以下步骤：（1）由原始图像I进行子采样得到子采样图像；（2）将传统的3×3矩阵模型的Laplacian算子改进为5×5矩阵模型的Laplacian算子，将子采样图像进行放大后与改进后的Laplacian算子进行卷积运算，将卷积运算后得到的Laplacian图像进行去负值处理，然后恢复到原始图像I的大小，得到与原始图像I的分辨率大小相同的Laplacian图像L′；（3）识别Laplacian图像L′中的宇宙射线，包括以下步骤：（3？1）先识别宇宙射线和大亮星体的星象：构造关联于原始图像I的噪声模型N，设定第一阈值σlim；（3？2）将Laplacian图像L′的值与图像的像素点对应位置的噪声值作比值，得到像素点的信噪比S，S反映了Laplacian图像L′中每个像素含有噪声量的一个比值；（3？3）对各像素点的信噪比S做中值滤波处理得到信噪比S′，判断像素点的信噪比S′的值是否大于第一阈值；若信噪比S′大于第一阈值，则该像素点为候选的宇宙射线；（3？4）根据星象的对称性进一步识别宇宙射线和点光源星体的星象：构造关联于原始图像I的精细结构模型F，设定第二阈值flim；（3？5）将Laplacian图像L′的值与精细结构模型F作比值，得到比值T；（3？6）判断T值是否大于第二阈值；若T值大于第二阈值flim，则该像素点为候选的宇宙射线；（3？7）将信噪比S′值大于第一阈值且T值大于第二阈值的像素点判定为宇宙射线；（4）将在步骤（3）中识别出来的宇宙射线通过中值滤波消除，得到图像Lv，设定第三阈值，判断已识别出来的宇宙射线像素数量与原始图像I总像素数量的比值相对于第三阈值X的大小：若已经识别出来的宇宙射线像素数量与原始图像I总像素数量的比值小于或等于第三阈值X，则步骤（1）中的原始图像I为Lv，重复迭代执行步骤（1）？（4），若已经识别出来的宇宙射线像素数量与原始图像I总像素数量的比值大于第三阈值X，则执行步骤（5）；（5）利用分数阶微分的Tiansi算子归整后得到的Tiansi′算子与步骤（5）中的图像Lv进行卷积运算，对Lv图像进行边缘增强处理，得到最终的图像。...
【技术特征摘要】
【专利技术属性】
技术研发人员：孟小华，张庆丰，彭青玉，区业祥，
申请(专利权)人：暨南大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。