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.海軍航空工程學院 控制工程系，山東 煙臺 264001；3.中國人民解放軍94748部隊 江蘇 南京 210008）

星圖分割是一種重要的圖像處理技術，它從本質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，也在實際中得到大量的應用。例如在工業自動化，在線產品檢驗，生產過程控制，文檔圖像處理，遙感和生物醫學圖像分析，保安監視，以及軍事，農業工程等方面。圖像分割技術的發展與許多其他學科和領域如數學、物理學、生理學、電子學、計算機科學等密切相關。

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研究報道發表。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域特性的分割[1]。

星圖像分割是星圖像處理的一個重要環節，分割的目的是將所需的星體目標從背景和其他較暗的星體中分離出來，實現對星體目標的提取，為星體的細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拍攝的星圖處理來說意義不大，這里將開發一種針對大氣層內陸地上拍攝的星圖的分割算法。

1 星圖像的預處理

實驗平臺所采用成像器件為美國Apogee公司ALTA系列U6相機，該相機的主要參數如下：

1）靶面規格：1 024×1 024

2）像元大小：24×24 microns

3）動態范圍：＞87 dB

4）量子效率：72%

5）工作模式：全幀轉移

6）應用外部觸發信號，嚴格同步曝光觸發信號

圖1為由實驗平臺拍攝的圖像，構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觀測的影響，同時為極大避免實驗地點周圍雜光的影響，拍攝星圖時不采用跟蹤模式采集圖像，而是凝視天頂進行圖像采集。

可以看出，原始圖像的成像質量很差，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，需要對星圖像進行預處理。經過形態學濾波預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，星圖中星體的數目較多。星體目標的邊緣特征不明顯，而目標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為孤立的小目標，區域特征并不明顯。初步確定采用閾值分割算法。

圖2 形態學預處理后的星圖像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為是由兩個正態分布函數（μ1，σ21）和（μ2，σ22）疊加而成，圖像的直方圖將會出現兩個分量的峰值。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，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，說明構成圖像的兩部分差別越大，當部分前景錯分為背景或部分背景錯分為前景時都會導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很少，高灰度區和低灰度區沒有明顯分界，不適合使用雙峰法進行分割。

對迭代法和Otsu法進行仿真，實驗結果如圖4所示。從實驗結果來看，2種分割方法都能將目標與背景成功分離。從圖中可以看出，閾值分割后的星圖中星的數目很多，但不同的恒星星點占有不同的像素數不同，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

實際上在星模式識別時只要保證星圖中的星的數目不少于一定數量即可，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）可以發現，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行分割，但這樣會出現一種弊端，例如分割后要保留的星的一部分邊緣變為背景色，使得星體細化，即分割后有一部分屬于星體的像素的灰度變為0，這將對亞像元細分定位的精度產生不利影響；分割后圖像中星的數目不易確定。

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，研究開發一種新的星圖分割算法顯得尤其重要。這種算法首先應該能夠將星體與背景分離，其次應保證星圖中星的數目，最后還應保證星圖中保留的星具有優良的性質。

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

直方圖查詢計數來設定分割閾值方法是根據預先設定的提取恒星星點的個數，按灰度值從大到小的順序來查詢直方圖，統計大于當前灰度值的像素個數，當像素個數大于設置的恒星個數時，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置。然而如前面所述，提取的恒星數量多少直接關系到后續進行恒星星點的細分定位及偽星識別等所需要的運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算量及后續識別成功率，目前從一幅星圖中提取的恒星數大多控制在10顆左右[6]。將星圖中灰度值最大的10個像素進行標記，如圖6所示。可以看出星圖中被標記的像素數為13個，大于10個，主要是因為這些每個像素值都不一定是由某一個像素獨享，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個像素點被標記，即同一顆恒星星點被多次計數，因此在圖7所顯示的分割結果中，只能在分割后的星圖像中看到10個星體。

圖6 最大灰度值標記Fig.6 Mark the biggest value

圖7 分割結果圖Fig.7 Outcome of segmentation

由于同一顆恒星星點被多次計數，從而造成實際提取的恒星星點數少于標定的最大值數的現象，這種現象可能造成后續亞像元定位計算時，對同一個恒星星點進行多次定位計算，增加無謂的運算量。此時可以考慮使用去鄰域法解決這一現象，即對每一個恒星星點，只保留中心像素點，而去除其鄰域內的其它像素點，實現去鄰域處理，從而保證了每一個恒星星點，都只對應著一個灰度較大的像素點，可以使得在進行上述的分割計算時，每個恒星星點只被計數一次，避免了對同一恒星星點進行重復計數的現象。在提取出規定數目的恒星后，用在原圖中查詢的方法找到對應的屬于星體的所有像素，即可得到最終的分割結果。

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

實際上我們可以以星體占有的像素[7]數的多少作為一種分割依據。計算每一個星體占有的像素數的多少即星體的面積，然后將占有像素數最多的若干個星體分割出來。可以先使用Otsu方法對星圖進行二值化處理，然后計算屬于同一個星體的像素數，由于進行了二值化處理，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。像素和大的星體占有的像素數多。在得出這些結果之后，只需將與這些星體無關的區域的灰度值設為0即可。

基于這一思想進行仿真，結果如圖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量的恒星星體，而且這些星體是星圖中占有像素數最多的恒星星體。這既保證了星模式識別算法的可行性，又保證了亞像元細分定位的精度。由于該算法需要對每一個恒星星點的面積進行計算并進行比較，因為需要的運算量相對較大，該算法的運行速度相對來說較慢，但總體上來說可以減小識別時的運算量，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 論

本文在對星圖像進行分析之后，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/亮度的分割方法進行比較，驗證了基于星體面積分割方法的有效性和優越性。

[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，2008.

[2]韓艷麗，樊利恒，翁璐.基于形態學運算的星圖像分割[J].海軍航空工程學院學報，2010，25（6）:644-648.

HAN Yan-li，FAN 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數字圖像處理[M].北京:機械工業出版社，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航的電路設計[D].杭州:浙江大學，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現[J].現代電子技術，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.