一種基于星體面積的星圖分割方法

鄧江生，樊利恒，古立莉

（1.海軍航空儀器計量站 上海 200436；2.海軍航空工程學(xué)院 控制工程系，山東 煙臺 264001；3.中國人民解放軍94748部隊(duì) 江蘇 南京 210008）

星圖分割是一種重要的圖像處理技術(shù)，它從本質(zhì)上來說是一種圖像分割，圖像分割它不僅得到了人們廣泛的重視和研究，也在實(shí)際中得到大量的應(yīng)用。例如在工業(yè)自動化，在線產(chǎn)品檢驗(yàn)，生產(chǎn)過程控制，文檔圖像處理，遙感和生物醫(yī)學(xué)圖像分析，保安監(jiān)視，以及軍事，農(nóng)業(yè)工程等方面。圖像分割技術(shù)的發(fā)展與許多其他學(xué)科和領(lǐng)域如數(shù)學(xué)、物理學(xué)、生理學(xué)、電子學(xué)、計算機(jī)科學(xué)等密切相關(guān)。

圖像分割多年來一直得到人們的高度重視，至今己提出了上千種各種類型的分割算法。而且近年來每年都有上百篇有關(guān)研究報道發(fā)表。雖然圖像分割方法較多，從圖像處理的角度可分為3大類：閾值分割、基于邊緣的分割和基于區(qū)域特性的分割[1]。

星圖像分割是星圖像處理的一個重要環(huán)節(jié)，分割的目的是將所需的星體目標(biāo)從背景和其他較暗的星體中分離出來，實(shí)現(xiàn)對星體目標(biāo)的提取，為星體的細(xì)分定位和星體的識別提供條件。目前的星圖像分割算法大都是針對軟件產(chǎn)生的星圖或者太空中拍攝的星圖，對于在海平面或大氣層內(nèi)拍攝的星圖處理來說意義不大，這里將開發(fā)一種針對大氣層內(nèi)陸地上拍攝的星圖的分割算法。

1 星圖像的預(yù)處理

實(shí)驗(yàn)平臺所采用成像器件為美國Apogee公司ALTA系列U6相機(jī)，該相機(jī)的主要參數(shù)如下：

1）靶面規(guī)格：1 024×1 024

2）像元大小：24×24 microns

3）動態(tài)范圍：＞87 dB

4）量子效率：72%

5）工作模式：全幀轉(zhuǎn)移

6）應(yīng)用外部觸發(fā)信號，嚴(yán)格同步曝光觸發(fā)信號

圖1為由實(shí)驗(yàn)平臺拍攝的圖像，構(gòu)成了本文處理的星圖像。該圖是一幅在晚上20時～22時拍攝的星圖像，拍攝時避免了月亮對恒星目標(biāo)觀測的影響，同時為極大避免實(shí)驗(yàn)地點(diǎn)周圍雜光的影響，拍攝星圖時不采用跟蹤模式采集圖像，而是凝視天頂進(jìn)行圖像采集。

可以看出，原始圖像的成像質(zhì)量很差，圖中不但有各種噪聲和一些劃痕，而且還有由于背景雜光和光闌設(shè)置而造成的不均勻背景，直接分割難度較大，需要對星圖像進(jìn)行預(yù)處理。經(jīng)過形態(tài)學(xué)濾波預(yù)處理后得到一幅比較背景比較均勻且星體保持較好的圖像，如圖2所示[2]。

圖1 原始星圖圖像圖Fig.1 Original star image

從圖2可以看出，星圖像中星體面積很小，有很多星體只占有幾個甚至只有一個像素，星圖中星體的數(shù)目較多。星體目標(biāo)的邊緣特征不明顯，而目標(biāo)和背景在灰度上差別較大，可以考慮使用基于閾值的分割算法。星體在圖像中更多的表現(xiàn)為孤立的小目標(biāo)，區(qū)域特征并不明顯。初步確定采用閾值分割算法。

圖2 形態(tài)學(xué)預(yù)處理后的星圖像Fig.2 Star image after morphology processing

2 閾值分割算法

常見的閾值分割方法有雙峰法、迭代法和Otsu法[3-4]。

1）雙峰法

圖3 待分割星圖及其直方圖Fig.3 Star image waiting for segmentation and its histogram

雙峰法的原理很簡單：它認(rèn)為圖像由前景和背景（不同的灰度級）組成，圖像的灰度分布曲線可近似認(rèn)為是由兩個正態(tài)分布函數(shù)（μ1，σ21）和（μ2，σ22）疊加而成，圖像的直方圖將會出現(xiàn)兩個分量的峰值。雙峰之間的波谷就是圖像的閾值。

2）迭代法

迭代法閾值選擇算法是對雙峰法的改進(jìn)，它首先選擇了一個近似閾值，將圖像分割成2個部分：R1和R2，然后計算R1和 R2的均值 μ1+μ2， 并選擇新的分割閾值 T=（μ1+μ2）/2，重復(fù)上述步驟直到μ1和μ2不再變化為止。

3）Otsu

Otsu方法是由Otsu于1979年提出的[5]。方差是灰度分布均勻性的一種度量，方差值越大，說明構(gòu)成圖像的兩部分差別越大，當(dāng)部分前景錯分為背景或部分背景錯分為前景時都會導(dǎo)致兩部分類間方差變小，因此使類間方差最大的分割意味著錯分概率最小。

由圖3可以看出，星圖直方圖中低灰度部分占了絕大部分，高灰度部分占有像素數(shù)很少，高灰度區(qū)和低灰度區(qū)沒有明顯分界，不適合使用雙峰法進(jìn)行分割。

對迭代法和Otsu法進(jìn)行仿真，實(shí)驗(yàn)結(jié)果如圖4所示。從實(shí)驗(yàn)結(jié)果來看，2種分割方法都能將目標(biāo)與背景成功分離。從圖中可以看出，閾值分割后的星圖中星的數(shù)目很多，但不同的恒星星點(diǎn)占有不同的像素數(shù)不同，且不同的星的亮度（灰度值）不同。

3 基于星體亮度的分割方法

實(shí)際上在星模式識別時只要保證星圖中的星的數(shù)目不少于一定數(shù)量即可，過多的星反而會增加星模式識別的計算量[6]。這時，完全可以選擇屏蔽信噪比低的星體，這些星體通常占有像素的數(shù)量較少且像素灰度較低。

通過分割后星圖的三維灰度分布圖（圖5所示）可以發(fā)現(xiàn)，不同星體具有不同的高度，即具有不同的灰度值，且其灰度都高于背景灰度。因此，只要提高分割閾值就可以使星圖中星的數(shù)目變少，且未被作為背景的星體具有較高的灰度。可以選擇人為地提高分割閾值對星圖像進(jìn)行分割，但這樣會出現(xiàn)一種弊端，例如分割后要保留的星的一部分邊緣變?yōu)楸尘吧沟眯求w細(xì)化，即分割后有一部分屬于星體的像素的灰度變?yōu)?，這將對亞像元細(xì)分定位的精度產(chǎn)生不利影響；分割后圖像中星的數(shù)目不易確定。

圖4 全局閾值分割Fig.4 The outcome of global thresholding

圖5 分割后星圖的三維灰度分布Fig.5 3-D gray distributing image of a segmented image

這時，研究開發(fā)一種新的星圖分割算法顯得尤其重要。這種算法首先應(yīng)該能夠?qū)⑿求w與背景分離，其次應(yīng)保證星圖中星的數(shù)目，最后還應(yīng)保證星圖中保留的星具有優(yōu)良的性質(zhì)。

統(tǒng)計直方圖是通過遍歷查詢整幅圖像，統(tǒng)計具有相同灰度值的像素個數(shù)，并以二維直方圖來表示某于灰度值所對應(yīng)的像素點(diǎn)個數(shù)的一種統(tǒng)計方法。可以采用直方圖查詢計數(shù)的方法來設(shè)定分割閾值。

直方圖查詢計數(shù)來設(shè)定分割閾值方法是根據(jù)預(yù)先設(shè)定的提取恒星星點(diǎn)的個數(shù)，按灰度值從大到小的順序來查詢直方圖，統(tǒng)計大于當(dāng)前灰度值的像素個數(shù)，當(dāng)像素個數(shù)大于設(shè)置的恒星個數(shù)時，則取該時刻的灰度最小的星圖的灰度值作為該幅星圖的分割閾值，從而完成閾值的自行設(shè)置。然而如前面所述，提取的恒星數(shù)量多少直接關(guān)系到后續(xù)進(jìn)行恒星星點(diǎn)的細(xì)分定位及偽星識別等所需要的運(yùn)算量的大小及星圖識別時的識別成功率等。兼顧上述星圖處理運(yùn)算量及后續(xù)識別成功率，目前從一幅星圖中提取的恒星數(shù)大多控制在10顆左右[6]。將星圖中灰度值最大的10個像素進(jìn)行標(biāo)記，如圖6所示。可以看出星圖中被標(biāo)記的像素數(shù)為13個，大于10個，主要是因?yàn)檫@些每個像素值都不一定是由某一個像素獨(dú)享，即存在灰度值相等的像素。由圖6可以看出，一共有3顆恒星各有2個像素點(diǎn)被標(biāo)記，即同一顆恒星星點(diǎn)被多次計數(shù)，因此在圖7所顯示的分割結(jié)果中，只能在分割后的星圖像中看到10個星體。

圖6 最大灰度值標(biāo)記Fig.6 Mark the biggest value

圖7 分割結(jié)果圖Fig.7 Outcome of segmentation

由于同一顆恒星星點(diǎn)被多次計數(shù)，從而造成實(shí)際提取的恒星星點(diǎn)數(shù)少于標(biāo)定的最大值數(shù)的現(xiàn)象，這種現(xiàn)象可能造成后續(xù)亞像元定位計算時，對同一個恒星星點(diǎn)進(jìn)行多次定位計算，增加無謂的運(yùn)算量。此時可以考慮使用去鄰域法解決這一現(xiàn)象，即對每一個恒星星點(diǎn)，只保留中心像素點(diǎn)，而去除其鄰域內(nèi)的其它像素點(diǎn)，實(shí)現(xiàn)去鄰域處理，從而保證了每一個恒星星點(diǎn)，都只對應(yīng)著一個灰度較大的像素點(diǎn)，可以使得在進(jìn)行上述的分割計算時，每個恒星星點(diǎn)只被計數(shù)一次，避免了對同一恒星星點(diǎn)進(jìn)行重復(fù)計數(shù)的現(xiàn)象。在提取出規(guī)定數(shù)目的恒星后，用在原圖中查詢的方法找到對應(yīng)的屬于星體的所有像素，即可得到最終的分割結(jié)果。

從使用去鄰域方法得到的分割星圖的三維分布圖（如圖8所示）可以看出，分割后星圖中的星體具有“細(xì)高”的特征，即得到的星體具有較高的灰度值，但占有的像素數(shù)并不多。因此在這里提出一種基于星體面積的分割方法。

圖8 分割后圖像的三維灰度分布圖Fig.8 3-D gray distributing image of Fig.7

4 基于星體面積分割方法的提出

實(shí)際上我們可以以星體占有的像素[7]數(shù)的多少作為一種分割依據(jù)。計算每一個星體占有的像素數(shù)的多少即星體的面積，然后將占有像素數(shù)最多的若干個星體分割出來。可以先使用Otsu方法對星圖進(jìn)行二值化處理，然后計算屬于同一個星體的像素數(shù)，由于進(jìn)行了二值化處理，因此可以用屬于同一星體的所有像素的灰度和代替屬于同一個星體的像素數(shù)。像素和大的星體占有的像素數(shù)多。在得出這些結(jié)果之后，只需將與這些星體無關(guān)的區(qū)域的灰度值設(shè)為0即可。

基于這一思想進(jìn)行仿真，結(jié)果如圖9和10所示。

圖9 基于星體面積的分割Fig.9 Segmentation based on the stars’area

通過基于星體面積的分割處理之后，圖像中保留了一定數(shù)量的恒星星體，而且這些星體是星圖中占有像素數(shù)最多的恒星星體。這既保證了星模式識別算法的可行性，又保證了亞像元細(xì)分定位的精度。由于該算法需要對每一個恒星星點(diǎn)的面積進(jìn)行計算并進(jìn)行比較，因?yàn)樾枰倪\(yùn)算量相對較大，該算法的運(yùn)行速度相對來說較慢，但總體上來說可以減小識別時的運(yùn)算量，并可以提高亞像元定位的精度，從而也就提高了識別的正確率。

圖10 分割后圖像的三位灰度分布圖Fig.10 3-D gray distributing image of Fig.9

5 結(jié) 論

本文在對星圖像進(jìn)行分析之后，提出了一種基于星體面積的分割方法，并通過仿真將其與閾值分割方法和基于星體灰度/亮度的分割方法進(jìn)行比較，驗(yàn)證了基于星體面積分割方法的有效性和優(yōu)越性。

[1]曹亮.基于Otsu理論的圖像分割算法研究[D].武漢:武漢理工大學(xué)，2008.

[2]韓艷麗，樊利恒，翁璐.基于形態(tài)學(xué)運(yùn)算的星圖像分割[J].海軍航空工程學(xué)院學(xué)報，2010，25（6）:644-648.

HAN Yan-li，F(xiàn)AN Li-heng，WENG Lu. Star image segmentation based on morphology algorithm[J].Journal of Nnval Aeronautical and Astronautical University，2010，25（6）:644-648.

[3]張德豐.MATLAB數(shù)字圖像處理[M].北京:機(jī)械工業(yè)出版社，2008.

[4]Blartz W E，Gish S L.A connectionist classifier architecture appliedtoimagesegmentation[C]//Procofthe10thInternational Conference on Pattern Recognition，1990：272-277.

[5]Otsu N.A threshold selection method from gray-level histogram[J].IEEE Transactions on SMC，1979，9（1）:62-66.

[6]徐僑榮.星圖處理算法的初步研究及一體化組合導(dǎo)航的電路設(shè)計[D].杭州:浙江大學(xué)，2007.

[7]劉孟龍，吳伶錫.以輝光放電管為像素的電子黑板研究與實(shí)現(xiàn)[J].現(xiàn)代電子技術(shù)，2011（3）：168-170.

LIU Meng-long，WU Ling-xi.Study and implementation of electronic blackboard taking glow discharge tube as picture element[J].Modern Electronics Technique，2011（3）：168-170.