云污染Hα图像的修复处理方法,天文学论文.docx

云污染H图像的修复处理方法,天文学论文 H 全日面太阳观测站点诸多，观测历史悠久，数据资料极为丰富。例如全球日震网 (GlobalOscillation Network Group，GONG)就有6 个站点: Big Bear 太阳天文台、Mauna Loa 天文台、Learmonth太阳天文台、Udaipur 太阳天文台、Teide 天文台和 Cerro Tololo 美洲洲际太阳天文台。H 全日面太阳图像的研究，有助于了解太阳活动，对太阳物理研究有着重要的意义。然而在 H 全日面观测经过中，可能遭到地球大气云层的影响，观测的 H 全日面图像中会有云污染，遮盖日面上的活动现象。本文主要针对云污染的 H 全日面太阳图像进行处理，消除其对太阳活动区域的影响，进而将被污染的区域及其太阳活动清楚明晰地呈现出来，方便后续的太阳物理研究。 在云污染的去除上本文借鉴了卫星遥感图像中云污染去除的方式方法，即将云层类比为一个不均匀的 云透镜 。当光线通过云层的时候，不同区域的透射率是不一样的。假如能得到这个透射率的变化，并假设其为线性的，就能够通过除法将其扣除，获得改正后的图像。通常 H 全日面图像上太阳的亮度呈现临边昏暗现象。图1(a) 是一张标准的 H 全日面图像(观测站点为 Learmonth 天文台，当地观测时间为 2020 年 1 月 1 日 4 点 5 分 34 秒) ; 图 1(b) 是图 1(a) 的平均径向轮廓曲线，表现了其临边昏暗的现象，华而不实横坐标表示 H 全日面太阳图像上的点到图像上太阳中心的距离，纵坐标是以日面中心归一化后所对应的强度。图1(c) 是一张被云污染的 H 全日面图像(观测站点也为 Learmonth 天文台，当地观测时间为 2020 年 1 月 1 日 2 点 45 分 34 秒) ; 图 1(d) 是图 1(c) 的平均径向轮廓曲线，显然与临边昏暗曲线有较大的区别。本文所述的平均径向轮廓曲线通过在极坐标下，对半径尺度上所有点的强度值取中值得到的，这是获得临边昏暗曲线较为常用的一种做法，不但能反映全日面像的基本特征，同时还降低对太阳活动区域的影响。 一般来讲，同一架仪器获得的全日面太阳像的临边昏暗背景在一定时间内是相对稳定的，图 1(b) 和(d) 的区别明显是有云污染导致。通过比拟被云污染的图像和标准临边昏暗背景，就能够获得这个 云透镜 的透射率的分布。 1、 云污染 H 图像的修复处理方式方法 本文采用的方式方法主要包括如下几部分: 首先选择一副没有云污染的图像并获得标准的临边昏暗轮廓; 其次将被污染图像扣除这个标准轮廓，得到一个比拟 平坦 的太阳圆面; 然后对其进行中值滤波消除太阳各种活动现象的影响，得到云层图像; 最后用原始图像扣除云层图像得到修复后的全日面图像。 首先，为判定一幅图像能否被云污染，或者为得到较为标准的临边昏暗图像背景，必须获得全日面像的径向轮廓曲线。 本文采用类似美国大熊湖天文台的径向轮廓曲线测量方式，基本步骤如下: 步骤 1: 求得图像中太阳圆面的圆心和半径。H 全日面图像中天空背景和太阳圆面明显地存在两个灰度等级，基于此点，首先通过设定阙值，将图像进行二值化; 然后对此图太阳圆面的边缘点进行圆拟合，得到圆心和半径;步骤 2: 以太阳圆心为原点，将图像从笛卡尔坐标系转换到极坐标系;步骤3: 在极坐标系下，将一定角度范围内的径向轮廓进行中值处理，就得到在该角度范围内的平均径向轮廓值。图1(b) 和(d) 即为360 范围内的平均径向轮廓值，也就是整个太阳的平均径向轮廓。 假如将图像按90 分割成4 个象限，就能够得到不同象限的平均径向轮廓曲线。在没有云污染的良好观测条件下，这4 条曲线是相互重合的。因而它们能够用于判定 H 图像能否存在云污染。详细如下:(1) 观察 4 个象限的平均径向轮廓曲线能否符合临边昏暗特性。假如 4 条曲线都很好地呈现临边昏暗性质，则图像每个象限区域内都不存在云污染; 否则，比方呈现临边增亮或者径向轮廓变化极为不光滑，则可能存在云污染，导致图像质量降低;(2) 在 4 条平均径向轮廓曲线都具有临边昏暗性质的情况下，利用它们的残差值判定这 4 条曲线的重合度。假如它们基本重合，讲明图像 4 个象限都不存在云污染，图像质量较好; 否则，图像至少一个象限整体受云覆盖。 根据这两个准则，不但能够挑选出被云污染的 H 全日面像，同时可以以确定哪些图像拥有较好的质量，能够作为标准的临边昏暗背景。 在找到模板图像后，能够求得模板图像的 360 平均径向轮廓曲线并进行高阶曲线拟合，以彻底消除背景图像上太阳活动的影响。对于在极坐标系下，用这个平均轮廓代替所有角度方向上的径向曲线，得到一个光滑的曲面，然后再将此曲面转换回笛卡尔坐标系，就能够得到一个标准的太阳临边昏暗背景图像。 用原始图像扣除模板图像的临边昏暗背景图像，得到 平坦 的太阳外表，但在这个外表上既有云层信息也有太阳的活动区域。通过对此图像进行中值滤波(采用 田 形滤波方式方法) ，能够过滤掉上面的太阳活动信息，得到原始图像的云层图像。中值滤波窗口选择要大于太阳圆面的活动区域，这样能够在滤波经过中比拟好地去除太阳圆面中的光斑和暗点，同时也不能过于太大，太大会使云层信息扩散到其它非云污染区域。本文采用太阳圆面上最大活动区域的两倍作为中值滤波窗口。最后将原始图和云层图像进行归一化，用原始图像扣除云层图像，得到修复后的 H 全日面太阳图像。 2、 实验结果及分析 本文的实验数据来源于 GONG 网站。图 2(a) 为模板图像(观测站点为大熊湖太阳天文台，当地观测时间为 2020 年 1 月 1 日晚上 23 点 32 分 54 秒) ，由图可以以看出这是一张不含云污染的 H 图像。 图 2(b) 为模板图像的 4 个象限的平均径向轮廓曲线，4 条曲线都呈现临边昏暗性质且基本重合，符合评价标准，这讲明模板图像不含云信息，质量较好。图 2(c) 为模板图像的平均径向轮廓曲线，图 2(d) 为通过模板图像的平均径向轮廓曲线求得的模板临边昏暗背景图像。 处理经过以及结果如此图 3。图 3 显示了一个云污染图像的去除经过。图 3(a) 为实验中的原始图像(观测站点为大熊湖太阳天文台，当地观测时间为 2020 年 1 月 1 日晚上 23 点 26 分 54 秒) ，显然是一张含有云污染的 H 全日面太阳图像。首先将原始图像图 3(a) 扣除模板图像的标准临边昏暗背景图像图 2(d) ，得到图像如此图 3(b) 。对此图像作中值滤波得到云层图像，见图 3(c) 。原始图像扣除云层图像得到修复后的 H 图像，见图 3(d) 。 图 3(e) 为原始图像的三维展示，图像上 凹 进去的部分正是原始图像中被云遮盖的部分; 图 3(g) 为复原后图像的三维展示，能够看出图 3(e) 中 凹 进去的部分也得到很好的修复，讲明原始图像上的云污染得到很好的去除。图 3(f) 为原始图像的 4 条径向轮廓曲线，4 条曲线变化不光滑且相互不重合，不符合评价标准，讲明图像上含有云污染，图像质量差; 图3(h) 为结果图像的4 条径向轮廓曲线，4 条曲线重合且呈现出临边昏暗现象，符合评价标准，讲明原始图像中的云污染得到较好地去除。比照原始图像图 3(a) 和结果图像图 3(d) ，可以以看出原始图像中的云污染在修复后的 H 图像中已不复存在。综上所述，本文所述方式方法有效地去除了 H 全日面太阳图像中的云污染。 还能够通过比拟处理前后图像的细节部分来观察 H 图像中太阳活动区域在处理前后的变化，图4 为太阳圆面中活动频繁的区域在处理前后的变化，华而不实图 4(a) 和(c) 为原始图像中太阳活动频繁的局部区域，图 4(b) 和(d) 是与图 4(a) 和(c) 相对应的区域在修复后的全日面图像的显示。 通过观察图 4 能够发现，原始图像中的云污染得到有效去除，被云遮盖的部分清楚明晰地呈现出来;太阳圆面上的光斑和暗点也完好地保存下来，活动区域遭到的影响很小。能够看出，云污染的去除对太阳圆面的活动区域影响相对较少。 为了进一步验证本算法的通用性，对其它时间其它天文台的云污染较为严重的 H 全日面太阳图像进行了处理。图 5(a) 为大熊湖太阳天文台于当地时间 2018 年 7 月 24 日观测的图像，图 5(d) 为此图像经过本文方式方法处理的结果; 图 5(b) 为 Learmonth 天文台于当地时间 2020 年 1 月 1 日观测的图像，图 5(e) 为处理结果; 图 5(c) 为当地时间 2020 年 12 月 31 日 Learmonth 天文台观测的图像，图 5(f) 为处理结果。 图 5 原始图像中的云污染都得到了很好的去除，而且对太阳活动区域的影响较小，处理结果较为理想。这也验证了本文所述方式方法在 H 全日面太阳图像云污染的去除中具有较好的通用性。 3、 总 结 本文基于平均径向轮廓曲线，采用中值滤波方式方法，去除 H 全日面太阳图像上的云污染。比拟实验中处理前后图像的三维展示，处理前后图像 4 个象限的径向轮廓曲线以及原始图像和结果图像发现: H 图像上的云污染有效地去除了，被云遮盖部分清楚明晰地显示。比照处理前后图像的细节部分，能够看到被云遮盖部分的太阳活动能观察到了，太阳外表的谱斑、暗条等仍然很好地存在，对太阳外表的活动区域影响较小。对不同观测器、不同时间以及云污染程度不同的图像进行了处理，得到的结果验证了该方式方法在去除 H 图像云污染上的有效性。 本方式方法也存在一些缺乏: 首先处理经过中需要其他图像充当模板图像进行辅助处理; 其次由于中值滤波是一种非线性平滑技术，这就导致修复后的 H 全日面图像整体辨识度降低，也会使结果图像中太阳活动的强度和范围缩小; 第三，本文的云污染去除原理是基于 云透镜 的线性表现，这显然是一种近似。固然文中的算法表现出较好的结果，但必须强调的是用这种恢复后的图像做高精度的测量工作是不适宜的，由于被云污染的图像到底是一种降质的图像，而图像处理只能在有限的条件下尽可能地改善图像质量，但不能从根本上得到精到准确的结果。只要在实在无法控制观测条件的时候，图像质量恢复才是一种能够考虑的选择。 致谢: 感谢 GONG 项目提供的实验图像。