Документ взят из кэша поисковой машины. Адрес оригинального документа : http://www.sao.ru/precise/Laboratory/Dis_akn/node92.html
Дата изменения: Thu Jul 8 15:31:51 1999
Дата индексирования: Tue Oct 2 02:36:59 2012
Кодировка: koi8-r
Поисковые слова: coronal hole

   
Адаптивная фильтрация

Адаптивный фильтр изменяет свою чувствительность автоматически с изменением локального разрешения сигнала и поэтому работает подобно человеческому глазу -- выделяет большие градиенты яркости на малой пространственной шкале (звезды и ядра галактик) и малые градиенты на большой пространственной шкале (протяженные гало галактик). Алгоритм адаптивной фильтрации подробно описан в Lorenz et al. 1993 и Lorenz & Richter (1993) и применяется при обработке прямых снимков и спектральных изображений (Richter 1991; Longo et al. 1992).

При обработке KISS-данных адаптивный фильтр используется для увеличения глубины прямого комбинированного снимка и увеличения качества апертурной фотометрии, что достигается путем уменьшения шума фона в 3-4 раза без уменьшения пространственного разрешения для объектов и с сохранением их потока. При размере пиксела в два раза превышающем среднее качество изображений в KPNO (так называемый undersampling), только данный фильтр можно использовать, не боясь испортить последующую классификацию объектов звезда/галактика на прямых снимках.

Для проведения адаптивной фильтрации используются программы, созданные G.Richter. Необходим целый набор программ, как производящих собственно фильтрацию, так и подготавливающих данные для этого шага, -- поэтому все программы, созданные G.Richter (среди них есть и не относящиеся к адаптивной фильтрации, но очень полезные для различных шагов редукции двумерных данных) были встроены в MIDAS, начиная с версии 93NOV, автором данной диссертации, в виде отдельного пакета, имеющего название AIP. Данный пакет содержит около 20 различных программ. Пакет доступен для использования в Специальной Астрофизической Обсерватории.

Краткое описание возможностей пакета
Все программы пакета работают с использованием нового типа данных, именуемого в дальнейшем масками. Исходя из своего названия, маски позволяют выделять (маскировать) отдельные участки изображений и производить над этими участками различные операции, не затрагивающие остальное изображение. Маски бывают трех типов:

1.

Простые маски -- MIDAS-изображения, содержащие только числа 0 и 1 (FALSE, TRUE);

2.

Поименованные маски -- MIDAS-изображения, в которых топологически связанные маски-объекты имеют одинаковые значения, разные для разных объектов и определяющие "имя" маски;

3.

Мультиуровневые маски -- это поименованные маски, но маски с разными "именами" топологически "вложены" друг в друга.

Различные типы масок используются разными программами пакета.

  

Figure: Блок-схема процедуры адаптивной фильтрации

Маски, как новый тип данных, допускают следующий набор операций (главным образом топологических) над ними, обусловленный составом программ пакета AIP:

• Создание масок -- маски создаются из обрабатываемых изображений путем обычного выделения значений выше/ниже заданного уровня (thresholding) или выделение набора уровней (multithresholding). Возможно также интерактивное создание масок различной формы: круг, полигон.
• Именование масок -- среди простых масок находятся топологически связанные объекты, которым присваиваются уникальные "имена";
• Визуализация масок;
• Выделение масок имеющих определенные пространственные характеристики;
• Копирование масок;
• Морфологические преобразования масок -- растяжение со слиянием несвязанных объектов и без него, сжатие -- эти типы операций могут быть произведены по выделенным направлениям. Также возможно инвертирование и построение контура масок.

Кроме операций с масками, пакет AIP содержит следующие возможности:

1.

Проведение просто адаптивной фильтрации и адаптивной фильтрации для случая переменного шума по изображению.

2.

Программа создания фона. Используется для проведения фотометрии и адаптивной фильтрации.

3.

Программы для проведения поверхностной и апертурной фотометрии для апертур любой формы, определенных масками.

Процедура адаптивной фильтрации данных обзора
Как уже отмечалось, при обработке данных обзора, фильтруются только прямые изображения. Потоковая диаграмма данной процедуры показана на рис. 4.9 и состоит из следующих шагов:

1.

Адаптивному фильтру для корректной работы необходима точная оценка шума фона. Для этого необходимо замаскировать все объекты на рабочем изображении -- само изображение и изображение-маска являются входными параметрами алгоритма адаптивной фильтрации. Изображение маска будет строится с использованием стандартной процедуры, работающей с заданным входным уровнем. Но так как вся процедура адаптивной фильтрации выполняется в автоматическом режиме, необходимо определить величину фона на изображении. Для этого, в качестве первого шага, входное изображение фильтруется "скользящей" гауссианой.

2.

Для отфильтрованного изображения определяется средний уровень фона и делается робастная оценка шума ($\sigma$) по процедуре, описанной в разделе 4.4.4.

3.

По отфильтрованному изображению строится изображение-маска с уровнем 3$\sigma$ от среднего уровня фона.

4.

Из изображения-маски удаляются все маски, имеющие полную площадь несколько пикселов (2-4) и представляющие просто отскоки шума с уровнем больше 3$\sigma$.

5.

Оставшиеся маски растягиваются на несколько пикселов по всем направлениям и, таким образом, получается изображение-маска, маскирующая весь сигнал от объектов.

6.

Программа адаптивной фильтрации требует большого размера оперативной памяти компьютера -- в шесть раз больше размера входного изображения. Таким образом, для обработки полей обзора, необходимо иметь не менее 84 Мбайт оперативной памяти. При меньшем ее размере начинаются значительные прерывания задачи (свопинг), сильно увеличивающие время работы программы. Поэтому процедура по-разному производит фильтрацию в зависимости от размера оперативной памяти -- обрабатывается или все изображение, или перед фильтрацией оно разбивается на 4/8 изображений 1024$\times$1024 (512$\times$512) пикселов каждое.

7.

Далее производится адаптивная фильтрация исходного изображения для случая переменного шума по изображению.

  

Figure: Гистограммы значений фона до и после адаптивной фильтрации (слева) и гистограммы значений яркости галактики NGC 3254 до и после адаптивной фильтрации (справа) в KISS-поле с центром $\alpha$ = 10^h25^m

В качестве примера на рис. 4.10 приведены две пары гистограмм: гистограммы значений интенсивности фона (до и после фильтрации) и гистограммы значений интенсивности объекта (до и после фильтрации) для KISS-поля с центром $\alpha$=10^h25^m