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(jì)量站 上海 200436；2.海軍航空工程學(xué)院 控制工程系，山東 煙臺(tái) 264001；3.中國(guó)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(lái)說(shuō)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(dòng)化，在線產(chǎn)品檢驗(yàn)，生產(chǎn)過(guò)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(jì)算機(jī)科學(xué)等密切相關(guān)。

圖像分割多年來(lái)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(lái)每年都有上百篇有關(guān)研究報(bào)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(gè)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(lái)，實(shí)現(xiàn)對(duì)星體目標(biāo)的提取，為星體的細(xì)分定位和星體的識(shí)別提供條件。目前的星圖像分割算法大都是針對(duì)軟件產(chǎn)生的星圖或者太空中拍攝的星圖，對(duì)于在海平面或大氣層內(nèi)拍攝的星圖處理來(lái)說(shuō)意義不大，這里將開(kāi)發(fā)一種針對(duì)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(tái)所采用成像器件為美國(guó)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?。?4×24 microns

3）動(dòng)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(hào)，嚴(yán)格同步曝光觸發(fā)信號(hào)

圖1為由實(shí)驗(yàn)平臺(tái)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(shí)～22時(shí)拍攝的星圖像，拍攝時(shí)避免了月亮對(duì)恒星目標(biāo)觀測(cè)的影響，同時(shí)為極大避免實(shí)驗(yàn)地點(diǎn)周圍雜光的影響，拍攝星圖時(shí)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(duì)星圖像進(jìn)行預(yù)處理。經(jīng)過(guò)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(gè)甚至只有一個(gè)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(jiàn)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(jiǎn)單：它認(rèn)為圖像由前景和背景（不同的灰度級(jí)）組成，圖像的灰度分布曲線可近似認(rèn)為是由兩個(gè)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(huì)出現(xiàn)兩個(gè)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(duì)雙峰法的改進(jìn)，它首先選擇了一個(gè)近似閾值，將圖像分割成2個(gè)部分：R1和R2，然后計(jì)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(shuō)明構(gòu)成圖像的兩部分差別越大，當(dāng)部分前景錯(cuò)分為背景或部分背景錯(cuò)分為前景時(shí)都會(huì)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(cuò)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?cái)?shù)很少，高灰度區(qū)和低灰度區(qū)沒(méi)有明顯分界，不適合使用雙峰法進(jìn)行分割。

對(duì)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(lái)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?cái)?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(shí)別時(shí)只要保證星圖中的星的數(shù)目不少于一定數(shù)量即可，過(guò)多的星反而會(huì)增加星模式識(shí)別的計(jì)算量[6]。這時(shí)，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(guò)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?？梢赃x擇人為地提高分割閾值對(duì)星圖像進(jìn)行分割，但這樣會(huì)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(duì)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(shí)，研究開(kāi)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(jì)直方圖是通過(guò)遍歷查詢整幅圖像，統(tǒng)計(jì)具有相同灰度值的像素個(gè)數(shù)，并以二維直方圖來(lái)表示某于灰度值所對(duì)應(yīng)的像素點(diǎn)個(gè)數(shù)的一種統(tǒng)計(jì)方法。可以采用直方圖查詢計(jì)數(shù)的方法來(lái)設(shè)定分割閾值。

直方圖查詢計(jì)數(shù)來(lái)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(gè)數(shù)，按灰度值從大到小的順序來(lái)查詢直方圖，統(tǒng)計(jì)大于當(dāng)前灰度值的像素個(gè)數(shù)，當(dāng)像素個(gè)數(shù)大于設(shè)置的恒星個(gè)數(shù)時(shí)，則取該時(shí)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(shí)別等所需要的運(yùn)算量的大小及星圖識(shí)別時(shí)的識(shí)別成功率等。兼顧上述星圖處理運(yùn)算量及后續(xù)識(shí)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(gè)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?cái)?shù)為13個(gè)，大于10個(gè)，主要是因?yàn)檫@些每個(gè)像素值都不一定是由某一個(gè)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(gè)像素點(diǎn)被標(biāo)記，即同一顆恒星星點(diǎn)被多次計(jì)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(gè)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(jì)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(jì)算時(shí)，對(duì)同一個(gè)恒星星點(diǎn)進(jìn)行多次定位計(jì)算，增加無(wú)謂的運(yùn)算量。此時(shí)可以考慮使用去鄰域法解決這一現(xiàn)象，即對(duì)每一個(gè)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(gè)恒星星點(diǎn)，都只對(duì)應(yīng)著一個(gè)灰度較大的像素點(diǎn)，可以使得在進(jìn)行上述的分割計(jì)算時(shí)，每個(gè)恒星星點(diǎn)只被計(jì)數(shù)一次，避免了對(duì)同一恒星星點(diǎn)進(jìn)行重復(fù)計(jì)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(duì)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?cái)?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(jì)算每一個(gè)星體占有的像素?cái)?shù)的多少即星體的面積，然后將占有像素?cái)?shù)最多的若干個(gè)星體分割出來(lái)?？梢韵仁褂肙tsu方法對(duì)星圖進(jìn)行二值化處理，然后計(jì)算屬于同一個(gè)星體的像素?cái)?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(gè)星體的像素?cái)?shù)。像素和大的星體占有的像素?cái)?shù)多。在得出這些結(jié)果之后，只需將與這些星體無(wú)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(guò)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?cái)?shù)最多的恒星星體。這既保證了星模式識(shí)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(duì)每一個(gè)恒星星點(diǎn)的面積進(jìn)行計(jì)算并進(jìn)行比較，因?yàn)樾枰倪\(yùn)算量相對(duì)較大，該算法的運(yùn)行速度相對(duì)來(lái)說(shuō)較慢，但總體上來(lái)說(shuō)可以減小識(shí)別時(shí)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(shí)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(duì)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(guò)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(bào)，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(jì)[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.