原玉磊，席 靚，張文郎

（1.信息工程大學(xué) 測繪學(xué)院，鄭州 450052；2.海軍航空工程學(xué)院 科研部，山東 煙臺 264001；3.國家測繪局第四地形測量隊(duì)，哈爾濱 255020）

在星敏感器獲取的CCD 星空圖像處理中，快速準(zhǔn)確提取星點(diǎn)目標(biāo)是進(jìn)行星點(diǎn)中心亞像素細(xì)分及星圖匹配的前提。從圖像中提取目標(biāo)的一般方法是基于掃描的邊界搜索法，但邊界搜索法只能獲取目標(biāo)的邊界像素。對于灰度重心法、曲面擬合法等提取星點(diǎn)目標(biāo)的亞像素中心算法來說，還需要提取目標(biāo)區(qū)域內(nèi)的每一個像素。一般的思路是邊界搜索后，采用連通域判別法進(jìn)行圖像標(biāo)記，但是這種標(biāo)記法計算量比較大，對于凸區(qū)域的目標(biāo)，本文提出了通過判斷邊界像素最大最小行列數(shù)來確定目標(biāo)的區(qū)域。針對大視場星點(diǎn)圖像目標(biāo)范圍小、目標(biāo)間距離遠(yuǎn)的特點(diǎn)，為進(jìn)一步減小計算量，提出了基于視框范圍的搜索法。

1 基于邊界搜索的目標(biāo)提取算法

1.1 單個目標(biāo)的邊界搜索算法

邊界搜索算法是在根據(jù)目標(biāo)提取閾值搜索到圖像中第一個屬于目標(biāo)的像素點(diǎn)之后，若該像素點(diǎn)屬于目標(biāo)的邊界點(diǎn)，繼續(xù)搜索該像素點(diǎn)的鄰近像素，以期找到下一個目標(biāo)邊緣點(diǎn)，直到與第一個目標(biāo)邊界點(diǎn)重合，從而完全找出目標(biāo)的邊界。

為了便于提取邊界，對數(shù)字圖像像素間相互關(guān)系作如下分析。如圖1所示，中間的黑色像素為目標(biāo)像素，其周圍與其有公共邊界和共享頂點(diǎn)的像素共有8個，為8鄰點(diǎn)像素。為便于分析，對這8個8鄰點(diǎn)像素進(jìn)行編號，黑色像素左上方的像素為1號8鄰點(diǎn)，左側(cè)像素為2號8鄰點(diǎn)，依此類推，以逆時針的順序分別對8個8鄰點(diǎn)像素進(jìn)行編號。

圖1 像素8鄰點(diǎn)位置關(guān)系

找到目標(biāo)區(qū)域的第一個像素之后（此像素為邊界點(diǎn)），分別對其8個8鄰點(diǎn)像素按照編號進(jìn)行判斷，找出第一個屬于該星體區(qū)域的8鄰點(diǎn)像素，以該像素作為新的邊界點(diǎn)，對其8鄰點(diǎn)像素進(jìn)行判斷，從而找出新的邊界點(diǎn)，直到與第一個邊界點(diǎn)重合為止。具體實(shí)現(xiàn)算法如下：

1）按照從左到右、從上到下的順序搜索圖像，對每一個像素進(jìn)行判斷，找出第一個屬于星體區(qū)域S的像素點(diǎn) s (k)=(x (k),y (k))，k=0；

2）用c表示當(dāng)前邊界上被跟蹤的像素點(diǎn)。置c=s (k)，記c左8鄰點(diǎn)為b，b ? S；

3）按逆時針順序記從b 開始的c的8個8鄰點(diǎn)像素分別記為n1,n2,…,n8，k=k+1；

4）從b 開始，按逆時針順序找到第一個 ni∈ S；

5）置 c=s (k)=ni，b=ni?1；

6）重復(fù)步驟3）、4）、5），直到s (k)=s(0)為止。

圖2所示為圖中黑色區(qū)域邊界提取的順序。

圖2 邊界提取順序

1.2 目標(biāo)區(qū)域提取算法

目標(biāo)邊緣像素其實(shí)就是目標(biāo)區(qū)域的邊界。因此，在已知目標(biāo)邊緣像素的條件下，要獲取目標(biāo)的確切區(qū)域，可以采用如下思想：根據(jù)邊緣像素坐標(biāo)，判斷出目標(biāo)區(qū)域的最大行數(shù)和最小行數(shù)，然后判斷目標(biāo)區(qū)域中的每一行中目標(biāo)區(qū)域的最大列數(shù)和最小列數(shù)，從而確定具體的目標(biāo)區(qū)域。

判斷目標(biāo)區(qū)域的最大最小行數(shù)的算法流程圖如圖3所示。

圖3 判斷目標(biāo)區(qū)域最大最小行數(shù)的流程圖

圖3中，max為區(qū)域的最大行數(shù)；min為區(qū)域的最小行數(shù)；lin為圖像的行數(shù)；G (i,j)為邊緣像素，像素坐標(biāo)為i行、j列。程序結(jié)束后的max和min值即為目標(biāo)區(qū)域的最大行數(shù)和最小行數(shù)。

判斷區(qū)域每一行的最大列數(shù)和最小列數(shù)的算法流程圖如圖4所示：

圖4 判斷目標(biāo)區(qū)域每一行的最大最小列數(shù)流程圖

圖4中，Maxli為目標(biāo)區(qū)域第i行的最大列數(shù)，Minli為目標(biāo)區(qū)域第i行的最小列數(shù)，i=Min,Min+1,…,Max；G (i,j)為邊緣像素，像素坐標(biāo)為i行、j列。

判斷出目標(biāo)區(qū)域的最大行數(shù)和最小行數(shù)以及每一行的最大列數(shù)和最小列數(shù)后，就確定了目標(biāo)的具體區(qū)域，可以提取出目標(biāo)區(qū)域中的每一個像素進(jìn)行后續(xù)處理。

1.3 多個目標(biāo)的區(qū)域提取算法

上述算法是針對整幅圖像中只有一個目標(biāo)的情況，而如果圖像中有多個目標(biāo)，則僅使用上述算法無法區(qū)分不同的目標(biāo)。一種可行的方法是在搜索到一個目標(biāo)后，將該目標(biāo)區(qū)域內(nèi)的所有像素都設(shè)置低于提取閾值的灰度值，然后再進(jìn)行全圖搜索下一個目標(biāo)。由于前一個目標(biāo)區(qū)域內(nèi)像素灰度值經(jīng)過重新賦值都低于提取閾值，就不會影響下一個目標(biāo)的搜索。

按照1.1 介紹的邊緣搜索算法提取出一個目標(biāo)后，再按照1.2 介紹的區(qū)域提取算法確定目標(biāo)的區(qū)域，提取出目標(biāo)區(qū)域中的每一個像素，將其灰度值賦一個比提取閾值小的值，這樣就可以避免下次搜索時再對該目標(biāo)計算。然后再對圖像進(jìn)行邊界搜索，以提取下一個目標(biāo)的邊界。

2 基于視框搜索的目標(biāo)提取算法

而如1.2 中所述的目標(biāo)區(qū)域提取算法，需要對目標(biāo)的每一個邊緣像素進(jìn)行多次的判斷，計算量非常大，耗時長，無法滿足圖像處理的實(shí)時性要求。為了減小計算量和計算時間，實(shí)現(xiàn)對目標(biāo)的實(shí)時提取和處理，本文針對星點(diǎn)圖像的特點(diǎn)，提出了可用于星點(diǎn)圖像目標(biāo)提取的視框搜索算法。

圖5為實(shí)際拍攝的星空圖像。圖中的星點(diǎn)目標(biāo)所占的區(qū)域都非常小，而且不同目標(biāo)之間的距離相對比較遠(yuǎn)，遠(yuǎn)大于目標(biāo)的大小。因此可構(gòu)造一個視框，通過在圖像中移動視框來搜索目標(biāo)。這樣對像素的判斷處理只在視框內(nèi)進(jìn)行，縮小了判斷范圍，減小了計算量。該視框要能夠?qū)⒄麄€星點(diǎn)目標(biāo)包含進(jìn)來，而且只能包含一個目標(biāo)，如果有其他目標(biāo)的像素進(jìn)到視框中，必然對主要目標(biāo)的提取產(chǎn)生影響。

圖5 實(shí)際拍攝的星空圖像

2.1 單個目標(biāo)的視框搜索算法

與邊界搜索算法不同，當(dāng)在圖像中搜索到第一個屬于目標(biāo)區(qū)域的像素點(diǎn)（該像素點(diǎn)必然是目標(biāo)區(qū)域的邊界點(diǎn)）之后，不是按照8 鄰域逐一搜索法搜索緊鄰的下一個邊界點(diǎn)，而是以該像素點(diǎn)為中心，構(gòu)造一個視框，然后對該視框內(nèi)的每一個像素判斷其灰度值是否屬于目標(biāo)區(qū)域，如果是，就直接將其提取出來。

如圖6所示，當(dāng)在圖像中搜索到第一個屬于目標(biāo)區(qū)域的像素點(diǎn)1點(diǎn)之后，以1點(diǎn)為中心構(gòu)造虛線所示的視框，該視框可以將整個目標(biāo)區(qū)域包含于其中，然后對視框內(nèi)部的像素進(jìn)行判斷。

圖6 視框搜索算法原理

2.2 多個目標(biāo)的視框搜索算法

對于圖像中多個目標(biāo)的視框搜索算法，可以采用1.3 所述的思路，即提取出一個目標(biāo)后，將該目標(biāo)區(qū)域內(nèi)的所有像素灰度賦一個低于目標(biāo)提取閾值的值，這樣在下一次全圖搜索下一個目標(biāo)時，就會將該目標(biāo)忽略，從而實(shí)現(xiàn)對下一個目標(biāo)的正確提取。

由于當(dāng)前搜索的目標(biāo)其區(qū)域完全在構(gòu)造的視框內(nèi)，因此只需對視框內(nèi)的所有像素灰度置一個低于目標(biāo)提取閾值的值就可以了，不需要再使用1.2 所述的目標(biāo)具體區(qū)域確定算法，因而計算量大為減小。

2.3 視框大小的確定

對于基于視框搜索的目標(biāo)區(qū)域提取算法來說，關(guān)鍵是確定視框的大小。需構(gòu)造視框的大小一旦確定，就可以使用該視框迅速實(shí)現(xiàn)對全圖的搜索。

視框大小的確定有兩個原則：

1）足夠大，要能將全圖中最大的目標(biāo)包含在內(nèi)，否則對大目標(biāo)的所有區(qū)域無法正確提?。?/p>

2）不能太大，不能大于全圖中距離最近的兩個目標(biāo)的中間矩形區(qū)域，不然將對近距離目標(biāo)區(qū)域的提取帶來粗差。

因此視框的大小應(yīng)根據(jù)不同的星圖來確定。

對于一般星光條件下拍攝的星圖，星點(diǎn)圖像均近似圓形或橢圓形，星點(diǎn)圖像所占一般不超過50個像素，而星點(diǎn)間的距離都在10個像素以上，因此采用10×10像素的視框即可正確提取目標(biāo)。

3 運(yùn)算時間分析

為了比較基于邊界搜索的目標(biāo)區(qū)域提取算法與基于視框的目標(biāo)區(qū)域提取算法的計算量，本文對不同個數(shù)的星點(diǎn)圖像，分別使用基于邊界搜索的算法和基于視框搜索的算法提取該星點(diǎn)的區(qū)域，并計算出區(qū)域提取程序的運(yùn)行時間，如圖7所示。經(jīng)過多次實(shí)驗(yàn)，基于邊界搜索的目標(biāo)提取算法和基于視框的搜索算法在沒有目標(biāo)的情況下對全圖的搜索時間近似相同，分別為0.134 73 s和0.134 41 s。而計算平均一個目標(biāo)的搜索時間，基于邊界搜索的目標(biāo)提取算法為0.123 137 s，而基于視框搜索的目標(biāo)提取算法為0.031 132 s（采用大小為10×10像素的視框）。由此可見，基于視框搜索的目標(biāo)提取算法在星點(diǎn)目標(biāo)區(qū)域提取的計算量上比基于邊界搜索的目標(biāo)提取算法減少了3/4。

圖7 不同目標(biāo)個數(shù)圖像兩種算法的計算時間

4 結(jié)束語

本文為實(shí)現(xiàn)星點(diǎn)圖像中星點(diǎn)目標(biāo)區(qū)域像素的提取，提出了兩種目標(biāo)區(qū)域提取算法。第一種是對邊界搜索算法的擴(kuò)展，在搜索出目標(biāo)的邊界之后，根據(jù)目標(biāo)邊界像素的坐標(biāo)確定出目標(biāo)區(qū)域的具體位置，從而提取目標(biāo)區(qū)域像素；第二種專門針對星點(diǎn)圖像的目標(biāo)提取，根據(jù)星點(diǎn)圖像目標(biāo)范圍小、目標(biāo)間距離大的特點(diǎn)，提出了基于視框搜索的目標(biāo)提取算法?；谶吔缢阉鞯哪繕?biāo)區(qū)域提取算法可應(yīng)用于一般圖像的目標(biāo)區(qū)域提取，但計算量要比基于視框搜索的目標(biāo)提取算法大。而基于視框的算法計算量小，但是只適合于類似星點(diǎn)圖像的目標(biāo)區(qū)域提取。

[1]賈云得.機(jī)器視覺[M].北京∶科學(xué)出版社,2000∶33-46.

[2]原玉磊.三維激光掃描及其應(yīng)用技術(shù)研究[D].鄭州∶解放軍信息工程大學(xué)測繪學(xué)院,2009.

[3]田金文,歐陽樺,鄭勝,等.一種星圖中星的提取方法[J].華中科技大學(xué)學(xué)報∶自然科學(xué)版,2005,33(4)∶38-40.

[4]王洪濤,羅長洲,王渝,等.基于背景自適應(yīng)預(yù)測的星點(diǎn)提取算法[J].光學(xué)技術(shù),2009,35(3)∶412-414.

[5]林建粦,馬德寶.基于二值化差分的CCD 星圖快速定位方法[J].解放軍信息工程大學(xué)學(xué)報,2009,10(9)∶376-378.

[6]陸敬輝,王宏力,鄭佳華,等.一種改進(jìn)的星圖中星提取方法[J].傳感器與微系統(tǒng),2008,27(6)∶31-33.

[7]王洪濤,羅長洲,王渝,等.一種改進(jìn)的星點(diǎn)質(zhì)心算法[J].光電工程,2009,36(7)∶412-414.

[8]沈本劍,劉海波,賈輝,等.CCD 溫度對星敏感器星點(diǎn)定位精度的影響[J].空間控制技術(shù)與應(yīng)用,2009,35(6)∶36-40.

[9]李德良,阮錦.一種適用于星敏感器的星點(diǎn)提取方法[J].紅外與激光,2009,39(12)∶1348-1350.

[10]劉海波,譚吉春,沈本劍,等.像差對星敏感器星點(diǎn)定位精度的影響[J].光學(xué)技術(shù),2009,35(3)∶471-473.