资源描述：
《基于支持向量机的云图自动识别和提取方法》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。
1、第59卷第4期天文学报Vol.59No.42018年7月ACTAASTRONOMICASINICAJul.,2018doi:10.15940/j.cnki.0001-5245.2018.04.003基于支持向量机的云图自动识别和提取方法王利文1贾鹏1y蔡冬梅1刘慧根2(1太原理工大学物理与光电工程学院太原030024)(2南京大学天文与空间科学学院南京210034)摘要在时域天文研究中,中小口径光学望远镜的自动巡天是获取观测数据的重要来源.受台站观测条件影响,图像中会有云的干扰,给测光和暗弱目标的自动提取带来很大的困难.为此有必要对天文图像中的云进行识
2、别和提取,建立云的指标图,为后续的信息提取提供参考.为了实现这一目标,建立了天文图像筛选系统,该系统将图像灰度不一致度与纹理差异作为图像的多维特征指标,并与支持向量机(SupportVectorMachine,SVM)相结合,对有云的数据进行筛选.在筛选的基础上,利用直方图变换和特征提取,进一步提取了云的指标图.实验结果表明:纹理识别结合SVM对天文图像进行实时筛选,分类准确率大于98%.利用直方图变换和特征提取可以初步提取云的指标图,给测光和暗弱目标的提取提供参考.关键词技术:图像处理,技术:测光,天文数据库:巡天中图分类号:P111;文献标识码:A1
3、引言时域天文学是目前非常活跃的一个研究领域,其研究对象主要包括超新星、变星及系外行星等光度连续变化的目标源和太阳系内的近地天体等快速运动目标.虽然这些天体位置与光度变化的时间尺度各不相同,且对于观测提出的具体要求也各有不同,但是总体上都要求在各自的时间窗口内保证观测数据的连续获取,因此大多使用多台地理上分散分布的中小口径望远镜,通过自动控制系统对天空进行连续成像观测[1−7].但这种观测手段给时域天文的观测和数据处理带来了许多新的挑战和问题[8]:在时域天文观测时,除了近地快速移动目标为线源外,大部分感兴趣的目标属于点源,在仪器端获取的大量的天文数据中,
4、会有部分数据受到天空中云层的污染.在对这些数据中的天文目标进行探测和光度测量时,云层往往会影响观测精度,甚至会完全干扰观测[9].如图1所示为仪器端获取的图像数据,其中(a)–(c)为没有云的正常图像,(d)–(f)为受云干扰的图像.2018-01-29收到原稿,2018-03-08收到修改稿国家自然科学基金项目(11503018、U1631133)和山西省高等学校科技创新项目(2016033)资助yrobinmartin20@gmail.com34-159卷天文学报4期图1图像示例.(a){(c)正常图像;(d){(f)含云图像Fig.1Imagee
5、xamples.(a){(c)normalimages;(d){(f)imageswithcloud由于云的影响,光透过云层强度会发生衰减,给测光带来误差;同时来自地面的光会从云区直接反射到成像系统,使有云区比无云区更亮一些,严重影响对暗弱暂现源的提取.基于此,为了给测光和暗弱暂现源提取时提供参考,有必要首先对图像中的云进行提取并根据云的灰度变化建立指标图.指标图是一幅与原始数据大小相等的图片,其每个像元的灰度信息可以反映出获取的数据中的云的轮廓和云的灰度信息.但是如果图像中没有云,获得的指标图对于观测将变得毫无意义.因此,需要在提取云之前筛选出含云的图
6、像.由于时域天文观测的数据量大,只依靠人工筛选耗时且繁重,所以有必要构建云图快速分类系统.之后根据分类系统进一步提取图像中的云层,并建立指标图以便于科学研究[10−11].但是,图像的数据特性评价一直是一个非常困难的问题,对于天文图像尤甚.由于外界干扰因素很多,且不同的干扰因素对于不同天文观测任务的影响也各不相同.因此,从成像的物理过程分析,通过确定几个经验参数及其分布范围来直接判断图像中是否存在云非常困难.除了从物理过程直接分析外,另一种思路就是从数据特征出发,将存在云的天文图像进行标记,结合云图像的形态特征,通过机器学习的方法建立符合数据特征的分类器
7、.在星系分类和光谱识别中[12−13],支持向量机(SupportVectorMachine,SVM)是一种广泛应用的分类器.该分类器的基本策略是保证不同类别的数据具有最大的分类间隔.由于这类求间隔最大化的问题往往可以转化为凸二次规划问题,因此与神经网络、34-259卷王利文等:基于支持向量机的云图自动识别和提取方法4期随机森林和决策树等工具相比,SVM可以在数据量较少的情况下快速得到需要的分类器[14−15].这一特性降低了数据积累的要求,同时减少了人工设置标签的工作量.此外,当数据在低维空间不可分时,通过核函数映射可以将分类问题转化为求取高维空间分离
8、超平面的问题.本文将在第2章尝试从云图像的特征出发,通过分析云图像的特征,确定特
