随机抽样一致性算法在天文图像中的应用

发布时间：2020-07-22 11:18

【摘要】：本课题组利用星团CCD图像进行扭曲求解过程中,经预处理、搜星、定心和匹配等处理后,会产生一个数据文件;后续的归算过程都是基于该数据文件。大多数情况下,数据文件中星的量度坐标与其在参考星表中的位置具有良好的对应,即星位置测量的残差都很小,这些星就可以做后续的归算处理;在有些情形下,数据文件中星象的量度坐标与理论位置拟合后,星象量度坐标的残差显得杂乱无章,大多数星象的残差都很大。这时候我们就认为该图像资料是不良的,也许需要剔除。事实上,这些被认为是不良的天文图像数据文件中只有几颗星象的残差很大,它们影响到数据文件中其他星象,使整个数据文件的星象残差显得杂乱无章。当把这少数几颗星从天文图像数据文件中剔除之后,剩下的数据文件就变成可用的文件了。根据Fischler和Bolles对随机抽样一致性算法的说明~([1]),本文采用改进后的随机抽样一致性算法,对三架望远镜的观测图像数据文件做仿真实验处理,对处理后保存下来的星用最小二乘法计算底片常数模型,通过比较每颗星与模型之间的残差,发现随机抽样一致性算法可以有效地剔除掉天文图像数据文件中的不良星。具体地,首先将天文图像用图像处理软件做预处理、搜星、定心和匹配处理,产生一个数据文件。然后,对数据文件中部分星的量度坐标(x,y)进行仿真研究。即仿真星的数量和坐标偏移量均随机产生,使得这些仿真星变成不良星,并且影响到整个仿真数据文件。最后用随机抽样一致性算法处理仿真数据文件,剔除掉不良星,保留良好星,从而达到剔除数据文件中不良星的目的。使用上述方法对三架望远镜的数据文件处理后的结果表明:当数据文件中不良星所占的比例在一定范围以内的时候,使用随机抽样一致性算法可以很好地剔除数据文件中所有的不良星。具体地说,当1米望远镜观测图像数据文件中不良星所占比例在25%以内、2米4望远镜和Bok望远镜观测图像数据文件中不良星所占比例在20%以内的时候,随机抽样一致性算法可以很好的剔除这些不良星。
【学位授予单位】：暨南大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：P111;O212.2
【图文】：

图 1.1 良好的 CCD 天文图像数据文件中星的残差分布虽然大多数时候 CCD 天文图像参与匹配之后星的数据都是良好的，但是有时候仍然会有几颗星的数据并不符合要求，这些不符合要求的星的量度坐标与参考星表中的位置不具有良好的对应，即星位置测量的残差都很大。这几颗残差很大的星会影响到整幅图的数据，使得整幅图中星的残差显得乱七八糟，即残差分布从小到大都有，那么这幅图的数据都不能参与后续的归算，并且这幅图的资料需要丢弃。实际上，只需要剔除掉这几颗残差大的星就可以保证其他星的残差都很小，可以使得其他星的数据参与后续的归算。下面的图 1.2 展示了不好的 CCD天文图像数据文件中星的残差分布情况，图 1.2 对应的 CCD 天文图像是云南天文台 2 米 4 望远镜在 2011 年 1 月 3 日观测到的，一共有 747 颗星，本文先对该幅图的数据文件中部分星的量度坐标(x, y)进行仿真研究。即仿真星的数量和坐标偏移量均随机产生，使得这些仿真星变成不良星，并且影响到整个仿真数据文

图 1.2 不好的 CCD 天文图像数据文件中星的残差分布应用随机抽样一致性算法后，那些残差大的星就被剔除掉，而剩下的星的残差都很小并且符合要求，这就可以保留一部分本来会被扔掉的 CCD 天文图像资料，从而节省了科研资金。1.2 本文的组织结构本文主要是对含有残差很大的星的数据用随机抽样一致性算法(RANSAC)处理，看随机抽样一致性算法是否可以剔除数据中残差很大的星。处理资料包括：云南天文台 1m 望远镜和 2m4 望远镜的观测资料、亚利桑那大学斯图尔德天文台Bok 望远镜的观测资料。本文在处理 1m 望远镜资料的过程中选用六常数模型，

片模型参数的确定，是 CCD 图像星象位置测测获得 CCD 图像，我们得到的是底片上目天球坐标需要我们进行坐标转换和数据归些恒星作为参考星，对参考星进行位置测量星表进行星象匹配从而得到参考星的天球坐。利用足够多的参考星像素坐标和标准坐标底片常数就可以把底片上其他星象的像素坐坐标换算成天球坐标。像素坐标和天球坐标 是望远镜心射投影原理图。

【参考文献】

相关期刊论文 前1条

1 李展;彭青玉;韩国强;;CCD图像数字定心算法的比较[J];天文学报;2009年03期

本文编号：2765743