基于局部异常因子的近地全天时星图小波去噪
发布时间:2021-07-14 18:36
星图信噪比是影响星敏感器拍摄星图中星点提取精度的重要因素。软阈值等去噪方法在处理近地面全天时星图时其阈值选取问题引起的噪声残留会影响星点质心的提取精度。针对这一问题,提出一种加权局部异常因子(LOF)的近地全天时星图小波去噪方法。该方法将局部异常因子算法应用于星图的小波去噪中,实现了不依赖阈值的近地全天时星图去噪。以地面真实拍摄的星图作为原始数据,使用峰值信噪比(PSNR)及局部峰值相对误差(LPVRE)对不同去噪方法处理后的星图去噪效果进行对比分析。实验结果表明,本文方法相较传统均值滤波和小波阈值去噪,提高了峰值信噪比,降低了局部峰值相对误差,能较好地去除背景噪声并较好地保留目标信息。
【文章来源】:光学学报. 2020,40(08)北大核心EICSCD
【文章页数】:9 页
【部分图文】:
实拍星图
对图2的小波系数进行去噪时,传统的阈值去噪函数具有局限性。硬阈值函数会使小波系数不连续,从而造成小波重构的吉布斯现象;软阈值函数过于平滑,容易导致去噪图像失真;由于多分辨特性,单独的固定阈值无法满足对图像特性的要求。对图2的小波系数选取阈值,无法较好地收缩图像信息,较大阈值会丢失更多信息,较小阈值又会残留噪声。另外,基于阈值的小波去噪需要更多地依赖图像的先验信息。针对星图小波系数阈值的局部离散化特性,本文对局部异常因子算法进行了研究。2.3 局部异常因子(LOF)算法
如图3(a)、(b)、(c)、(d),横坐标为采样序列,纵坐标为系数值,当LOF远大于1时则该点为异常点,即用圆圈标记的离散点,否则为正常系数点。筛选出异常系数点后,采用非线性拟合算法——分类回归树CART拟合出背景系数后与原观测星图的拟合小波系数作差得到的新系数即为星点目标系数,如图4(a)、(b)、(c)、(d),横坐标为采样序列,纵坐标为系数值,再用小波逆变换重构星图。这一过程可以表述为
【参考文献】:
期刊论文
[1]星敏感器星图的高精度星点提取方法[J]. 何贻洋,王宏力,冯磊,由四海,许强. 哈尔滨工业大学学报. 2019(04)
[2]改进的小波域阈值算法在图像去噪中的应用[J]. 张瑞雪,沈小林. 现代电子技术. 2019(07)
[3]测量机器人小视场星图一维最大熵星点图像分割算法[J]. 时春霖,张超,陈长远,杜兰,叶凯,韩忠. 测绘学报. 2018(04)
[4]一种逐层变化的阈值和改进的小波阈值去噪算法[J]. 周昌顺,张欣,文章,张平康. 通信技术. 2018(03)
[5]一种改进的LOF异常点检测算法[J]. 周鹏,程艳云. 计算机技术与发展. 2017(12)
[6]基于能量函数的极值中值滤波星图去噪算法[J]. 王敏,赵金宇,陈涛,崔博川,高扬. 电子与信息学报. 2017(06)
[7]基于超像素分割的非局部均值去噪方法[J]. 杨洲,陈莉,贾建. 计算机应用研究. 2018(05)
[8]小波变换的阈值图像去噪算法改进[J]. 张小燕,吐尔洪江·阿布都克力木. 计算机技术与发展. 2017(03)
[9]基于小波变换及多尺度分析的星点检测方法[J]. 牛雷. 光学与光电技术. 2016(02)
[10]近地面大气光学湍流空间相关特性的实验研究[J]. 王倩,梅海平,钱仙妹,饶瑞中. 物理学报. 2015(11)
博士论文
[1]基于星敏感器的星点提取与星图识别方法研究[D]. 罗丽燕.西安电子科技大学 2015
本文编号:3284670
【文章来源】:光学学报. 2020,40(08)北大核心EICSCD
【文章页数】:9 页
【部分图文】:
实拍星图
对图2的小波系数进行去噪时,传统的阈值去噪函数具有局限性。硬阈值函数会使小波系数不连续,从而造成小波重构的吉布斯现象;软阈值函数过于平滑,容易导致去噪图像失真;由于多分辨特性,单独的固定阈值无法满足对图像特性的要求。对图2的小波系数选取阈值,无法较好地收缩图像信息,较大阈值会丢失更多信息,较小阈值又会残留噪声。另外,基于阈值的小波去噪需要更多地依赖图像的先验信息。针对星图小波系数阈值的局部离散化特性,本文对局部异常因子算法进行了研究。2.3 局部异常因子(LOF)算法
如图3(a)、(b)、(c)、(d),横坐标为采样序列,纵坐标为系数值,当LOF远大于1时则该点为异常点,即用圆圈标记的离散点,否则为正常系数点。筛选出异常系数点后,采用非线性拟合算法——分类回归树CART拟合出背景系数后与原观测星图的拟合小波系数作差得到的新系数即为星点目标系数,如图4(a)、(b)、(c)、(d),横坐标为采样序列,纵坐标为系数值,再用小波逆变换重构星图。这一过程可以表述为
【参考文献】:
期刊论文
[1]星敏感器星图的高精度星点提取方法[J]. 何贻洋,王宏力,冯磊,由四海,许强. 哈尔滨工业大学学报. 2019(04)
[2]改进的小波域阈值算法在图像去噪中的应用[J]. 张瑞雪,沈小林. 现代电子技术. 2019(07)
[3]测量机器人小视场星图一维最大熵星点图像分割算法[J]. 时春霖,张超,陈长远,杜兰,叶凯,韩忠. 测绘学报. 2018(04)
[4]一种逐层变化的阈值和改进的小波阈值去噪算法[J]. 周昌顺,张欣,文章,张平康. 通信技术. 2018(03)
[5]一种改进的LOF异常点检测算法[J]. 周鹏,程艳云. 计算机技术与发展. 2017(12)
[6]基于能量函数的极值中值滤波星图去噪算法[J]. 王敏,赵金宇,陈涛,崔博川,高扬. 电子与信息学报. 2017(06)
[7]基于超像素分割的非局部均值去噪方法[J]. 杨洲,陈莉,贾建. 计算机应用研究. 2018(05)
[8]小波变换的阈值图像去噪算法改进[J]. 张小燕,吐尔洪江·阿布都克力木. 计算机技术与发展. 2017(03)
[9]基于小波变换及多尺度分析的星点检测方法[J]. 牛雷. 光学与光电技术. 2016(02)
[10]近地面大气光学湍流空间相关特性的实验研究[J]. 王倩,梅海平,钱仙妹,饶瑞中. 物理学报. 2015(11)
博士论文
[1]基于星敏感器的星点提取与星图识别方法研究[D]. 罗丽燕.西安电子科技大学 2015
本文编号:3284670
本文链接:https://www.wllwen.com/kejilunwen/hangkongsky/3284670.html