针对现有的目标检测算法检测表面亮度低的小尺度星系时效果不理想的问题,该文提出了一种基于掩码机制与目标交叉认证的低表面亮度的小尺度星系检测方法。首先,针对天文图像设计了一个基于目标总数变化率的阈值确定方法来获取阈值;其次,...针对现有的目标检测算法检测表面亮度低的小尺度星系时效果不理想的问题,该文提出了一种基于掩码机制与目标交叉认证的低表面亮度的小尺度星系检测方法。首先,针对天文图像设计了一个基于目标总数变化率的阈值确定方法来获取阈值;其次,设计了基于掩码机制的目标去除方法和基于自适应半径的点源区域获取方法,结合图像分割和点源检测算法生成非检测目标掩码,与原图进行逐点相乘去除图中体积较大、亮度较高的非检测目标,得到亮度微弱、体积较小的候选者;然后,利用图像分割技术获取候选体分割区域,计算区域面积和质心坐标定位候选者;最后,通过目标交叉认证的方法将候选者与星表中真实记录的星体进行坐标差值计算获取星系目标。实验与分析表明,在SDSS(Sloan Digital Sky Survey)天文数据集上该方法对低表面亮度的小尺度目标检测率可达约94.90%,星系的识别率可达到约89.21%,都高于经典的目标检测算法。展开更多
文摘针对现有的目标检测算法检测表面亮度低的小尺度星系时效果不理想的问题,该文提出了一种基于掩码机制与目标交叉认证的低表面亮度的小尺度星系检测方法。首先,针对天文图像设计了一个基于目标总数变化率的阈值确定方法来获取阈值;其次,设计了基于掩码机制的目标去除方法和基于自适应半径的点源区域获取方法,结合图像分割和点源检测算法生成非检测目标掩码,与原图进行逐点相乘去除图中体积较大、亮度较高的非检测目标,得到亮度微弱、体积较小的候选者;然后,利用图像分割技术获取候选体分割区域,计算区域面积和质心坐标定位候选者;最后,通过目标交叉认证的方法将候选者与星表中真实记录的星体进行坐标差值计算获取星系目标。实验与分析表明,在SDSS(Sloan Digital Sky Survey)天文数据集上该方法对低表面亮度的小尺度目标检测率可达约94.90%,星系的识别率可达到约89.21%,都高于经典的目标检测算法。
