[發(fā)明專利]一種頻域天文圖像目標(biāo)檢測方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202110527356.0
• 申請日: 2021-05-14
• 公開（公告）號: CN113344765A
• 公開（公告）日: 2021-09-03
• 發(fā)明（設(shè)計）人: 王愉博;薛長斌;周莉
• 申請（專利權(quán)）人: 中國科學(xué)院國家空間科學(xué)中心
• 主分類號: G06T1/20
• 分類號: G06T1/20;G06T7/33;G06T5/00;G06T5/10;G06F17/14;G06F9/54;G06K9/62
• 代理公司: 北京方安思達知識產(chǎn)權(quán)代理有限公司 11472
• 代理人: 劉振;徐淑東

本發(fā)明公開了一種頻域天文圖像目標(biāo)檢測方法及系統(tǒng)，該方法基于CPU?GPU異構(gòu)處理器實現(xiàn)，該方法包括：基于預(yù)先得到的參考圖像，由CPU對采集的原始天文圖像進行預(yù)處理；采用重疊保存的方法對參考圖像和預(yù)處理后的天文圖像分別進行圖像分塊，采用高斯基函數(shù)和多項式相乘得到卷積核的n組基向量并輸入GPU；由GPU根據(jù)參考子圖像和天文子圖像，結(jié)合n組基向量進行擬合，得到對應(yīng)每個參考子圖像的卷積核，使用卷積核對每個參考子圖像進行頻域濾波降晰處理，得到模板圖像并輸入CPU；由CPU將模板圖像的邊緣丟棄，并將剩余部分連接并與原始天文圖像作差，得到差異圖像，進而實現(xiàn)對天文圖像的目標(biāo)檢測。

技術(shù)領(lǐng)域

本發(fā)明屬于目標(biāo)檢測領(lǐng)域，涉及一種頻域天文圖像目標(biāo)檢測方法及系統(tǒng)，可用于星載嵌入式系統(tǒng)。

背景技術(shù)

在我國空間發(fā)展計劃公布的空間科學(xué)和探測任務(wù)中，許多任務(wù)對航天器的人工智能控制、自主導(dǎo)航與控制、實時在軌處理速度、存儲數(shù)據(jù)吞吐率、海量數(shù)據(jù)處理、復(fù)雜科學(xué)計算、圖像處理等方面提出了迫切的要求。尤其是深空任務(wù)，由于通信延遲和帶寬的限制，比如通常到火星的通信延遲20分鐘、帶寬250kbps，到木星的通信延遲2小時、帶寬120kbps，有些探測任務(wù)來不及依賴地面控制，而科學(xué)探測的原始數(shù)據(jù)不能全部回傳到地面，因此對航天器的智能自治和實時數(shù)據(jù)處理能力提出了更高的要求。而我國的衛(wèi)星數(shù)據(jù)處理流程基本采用的是“地面任務(wù)規(guī)劃-星上采集-星地數(shù)傳-地面處理-分發(fā)應(yīng)用”的傳統(tǒng)應(yīng)用模式。該數(shù)據(jù)處理方法不僅實時性低，而且還需要占用大量的通信資源。數(shù)據(jù)獲取的時效性和智能化水平難以滿足新形勢下對衛(wèi)星數(shù)據(jù)獲取的實時性要求。星上實時數(shù)據(jù)處理是解決這些問題的有效途徑，已成為未來深空自適應(yīng)探測技術(shù)發(fā)展的一個重要方向。因此需要在星上進行自適應(yīng)的數(shù)據(jù)處理，對目標(biāo)進行直接的識別和判斷。星上自適應(yīng)科學(xué)探測系統(tǒng)一般有兩種需求：首先，上述系統(tǒng)的數(shù)據(jù)處理必須實時。其次，用于執(zhí)行識別的算法不應(yīng)影響精度。

對瞬變、移動或亮度變化的天體和暫現(xiàn)源的觀測是天文學(xué)領(lǐng)域研究的一項重要任務(wù)。Tomaney和Crotts在1996年首次提出頻域的圖像相減算法，首先使用數(shù)據(jù)圖像匹配中應(yīng)用最廣泛的PSF作為參考來進行差分成像。該方法通過簡單地獲取每個圖像上光點的傅立葉變換的比值來確定卷積核，由于這種反卷積方法會降低圖像質(zhì)量，因此它只適用于信噪比較高的數(shù)據(jù)。Kochanski,TysonFischer(1996)提出的非線性PSF擬合則更為準(zhǔn)確，但在數(shù)值計算上比較耗時。Alard和Lupton(1998)開發(fā)了一種最優(yōu)圖像減影算法(OpticalImage Subtraction，OIS)，隨后，Alard(2000)引入了空間變換卷積核的概念，該算法使用空間變換卷積核對兩個圖像進行卷積。因此，該方法不僅適用于有天體密度高的區(qū)域，也適用于天體密度較低的區(qū)域。Israel、Bramich和Zackay分別于2007年、2008年和2016年在Alard研究的基礎(chǔ)上提出了改進算法,降低了由配準(zhǔn)誤差引起的殘差。目前，解決問題的最新技術(shù)是訓(xùn)練一種機器學(xué)習(xí)算法來過濾大部分殘影，并將偽目標(biāo)的數(shù)量減少到最小(e.g.,Cabrera et al.2017；Masci et al.2017；Sedaghat et al.2018)。但上述的所有算法都是關(guān)注精度，而不是運行速度。在處理速度的研究上，李繼良等人在2010年使用Open MP對圖像差異算法進行并行優(yōu)化加速，在Dell Power Edge T300 System服務(wù)器上，加速比可達1.754。Yan Zhao等人在2013年使用GPU(圖形處理單元)對空間變化的內(nèi)核進行圖像卷積，在Intel i7 CPU和NVIDIA GTX580 GPU的臺式機上算法的運行速度提升了4倍，基本滿足了地面實時處理的需要。雖然GPU在時域天文學(xué)的應(yīng)用大大提高了數(shù)據(jù)的處理能力，但是這并不能從根本上解決數(shù)據(jù)獲取的實時性問題，那是因為目前的天文觀測仍然采用在終端收集數(shù)據(jù)，通過星地數(shù)傳將數(shù)據(jù)下傳給地面，地面再進行處理的數(shù)據(jù)處理模式。面對越來越多的天文數(shù)據(jù)，這種傳統(tǒng)的數(shù)據(jù)處理模式費時又費力，但如果能在衛(wèi)星上進行一部分的數(shù)據(jù)處理和篩選工作，過濾冗余信息，提取出有價值的觀測信息下傳給地面，這不僅能大大提高信息獲取的實時性，還能提高星上智能信息處理水平，降低星地之間的數(shù)傳壓力。

發(fā)明內(nèi)容