[发明专利]星空图像坏点鲁棒检测方法

说明书

技术领域

本发明涉及一种图像坏点检测方法，特别是涉及一种星空图像坏点鲁棒检测方法。

背景技术

图像中的坏点通常由相机成像元件损坏造成，表现为对输入信号不敏感、响应高于或低于平均响应的像素点。对坏点的检测对于成像系统状态评估和图像处理有重要意义。

现有的图像坏点检测方法主要依赖于成像器件在特定条件下曝光的图像。

文献“授权公告号是CN101715050B的中国发明专利”公开了一种图像坏点检测方法。该方法提出一种利用图像传感器在黑暗环境下获得一张零曝光图像或者在绝对均匀光照下对不同颜色的单色板成像获取均匀曝光图像，并利用其中的零曝光区域得到一个阈值范围，然后将图像中像素值超出该范围的像素点判定为坏点，如。这类坏点检测的成果主要依赖于选取的成像环境，并且依赖于外界提供的专用的实验环境。这类方法依赖于外界器材辅助检测出由于成像传感器损坏造成的图像坏点。

但在实际应用中，尤其是天文观测中对星空背景进行成像时，随着成像传感器的使用并不断遭受外界环境的影响，图像中坏点数目不断增加，且由于传感器部件受损程度不同，图像中的不同坏点特性不同，并且随着时间的变化而变化。同时很多情况下，传感器的工作环境不允许直接对其进行检测，并且难以使用特殊成像实验条件对成像器件进行检测。对于星空图像，如果无法准确检测处于不同损坏状态的坏点像素，对于成像传感器状态便无法准确评估。

发明内容

为了克服现有图像坏点检测方法局限性大的不足，本发明提供一种星空图像坏点鲁棒检测方法。该方法充分考虑星空图像的特性和坏点在图像像素统计中的特性，利用星空图像局部区域统计稳定的特性、中值统计量和平均绝对离差统计量等鲁棒统计量排除样本中的外点对统计量估计的干扰，并将外点位置的像素当做局部像素的统计外点，设计基于统计外点检测思想的统计方法，并利用连续序列图像中充分的样本对每个位置进行判断从而检测出图像中外点。该方法参数少且统计意义明确，易于根据具体应用调整，并且适用于不同程度坏点的检测。

本发明解决其技术问题所采用的技术方案是：一种星空图像坏点鲁棒检测方法，其特点是包括以下步骤：

步骤一、首先在多帧图像序列S_I＝{I₁,I₂,...,I_t,...I_T}中随机选取一帧图像I_R作为参考图像,其中t＝1,...,T，T表示序列中图像帧数,I_t表示任一帧图像。对于该单帧参考星空图像I_R，利用阈值对星空图像进行二值化分割，即根据像素值是否大于阈值ε_bw而进行分割，图像I_t中(i,j)处像素点灰度值为且有1≤i≤h,1≤j≤w，图像中像素灰度值满足的像素被分割为星点光斑区域，而满足的像素点分割为背景区域。通过对星图数据进行鲁棒统计得到分割阈值

ε_bw＝μ_bw+δ_bwσ_bw             (1)

其中，μ_bw为图像灰度中值，σ_bw为图像平均绝对偏差δ_bw为阈值参数，δ_bw＝6。

利用二值化图像对星体区域进行剔除，得到星空图像背景像素点集合其中i_B＝1,...,N_B,表示背景像素集合中的单个像素值，N_B表示背景像素点集合中的像素个数，该数目与二值化分割结果相关；利用剩余的背景像素对星空图像背景噪声程度进行鲁棒估计，对B计算统计中值得到背景灰度统计中值μ_B,并计算B的平均绝对离差这两个值将作为后续坏点检测的参数。

步骤二、对星空图像中的坏点位置进行检测。该过程是一个滑动窗口的过程，以每个位置的多帧中像素点及其在多帧中的邻域内像素点进行鲁棒统计外点检测，通过判断该像素点是否为外点进而判断该点是否为图像中的坏点。首先人工设定一个局部选取尺寸参数值为d,以此参数对原图像序列S_I＝{I₁,I₂,...,I_t,...I_T}进行边缘扩展得到扩展图像集合其中t＝1,...,T，T表示序列中图像帧数，为原图像I_t边缘扩展后得到扩展后图像，即若原图像I_t为