利用图像相关性搜寻运动目标

在天文图像处理领域,图像减法技术应用广泛。由于不同的大气条件、曝光时间和滤光片等原因,两幅图像无法直接进行图像相减。提出一种新的图像减法算法,其本质是从统计学上利用相关性消除两幅图像之间具有相似流量分布的部分,并保留具有不同流量分布的部分。该算法执行速度快,数值稳定且局部独立。基于本文算法,开发了一套以Python语言作为接口,C语言作为底层实现的图像减法代码。使用该算法以及其他3种类似的算法处理天文图像,试验结果表明,该算法能够在短时间内找出两幅图像之间的差异,并快速定位运动目标,同时具有良好的鲁棒性和位置测量稳定性。

适用于大视场的快速星像匹配算法

基于CCD图像的天文观测中,星像匹配是一项基本的任务。提出一种基于k-d树和k-means聚类算法的星像匹配算法,应用三角形不变性元组对相似三角形进行盲匹配,算法可以间接计算CCD图像的比例尺。三次使用k-d树优化计算,并使用k-means聚类算法对图像进行分割,提高星像匹配的精度。使用云南天文台1 m望远镜拍摄的稀疏星场和2.4 m望远镜拍摄的密集星场进行了星像匹配算法的测试。实验结果表明,该方法能较好地自适应图像比例尺的微小变化,同时提高星像匹配的精度。