技术领域
[0001] 本
发明涉及
图像处理技术领域，具体地，涉及射电天文图像快速复原方法。
背景技术
[0002] 射电干涉仪是开展射电天文研究的主要工具之一，通过射电望远镜阵列获得目标天体的各项观测数据，对观测数据做相关处理后得到可见度数据，再对可见度数据在uv平面进行网格化处理和傅里叶变换后即可得到目标源的
亮度分布图。由于受到望远镜阵列在空间分布和观测时间上的限制，对目标源的观测是一个欠
采样过程，因此实际得到的亮度分布图是包含欠定信息在内的脏图。射电天文成像所要解决的问题就是如何根据脏图尽可能准确地反演出目标天体的真实亮度分布图。最大熵
算法(maximum entropy method，MEM)和CLEAN算法是目前常用的射电天文图像复原算法，但其在图像复原
精度和数据计算能
力上均存在一定的局限性。下一代射电干涉仪以超高的灵敏度和观测精度，将产生大量的TB量级的观测数据，传统的MEM和CLEAN算法无法处理如此大规模的观测数据。
[0003] 全息去卷积技术把望远镜的方向依赖和偏振信息考虑到图像的复原过程中去，大大提高了欠采样问题下图像的复原精度，可以满足下一代射电干涉仪对复原精度的需求，但目前存在的全息去卷积技术在可见度数据的生成和网格化处理的过程中都需要重复计算全息波束模型等有关数据，导致其在计算速度上存在一定的局限性。
发明内容
[0004] 针对
现有技术中的
缺陷，本发明的目的是提供一种射电天文图像快速复原方法。
[0005] 根据本发明提供的一种射电天文图像快速复原方法，包括：
[0006] 根据获取到的观测数据构造全息脏图，所述观测数据包括：望远镜观测到的可见度数据；
[0007] 根据所述观测数据，获取对应的全息脏图模型；
[0008] 在每个偏振方向上，把根据观测数据构造的全息脏图减去所述对应的全息脏图模型，得到残图；
[0010] 从所述点源中寻找亮度源，并将所述亮度源与当前uv分布进行卷积以更新uv分布；uv分布是指观测数据在频域的横坐标u和纵坐标v所在平面的分布；
[0011] 根据满足预设
迭代次数所得到最终更新的uv分布，重构天文图像。
[0012] 可选地，所述根据所述观测数据，获取对应的全息脏图模型，包括：
[0013] 获取观测数据在每一个偏振方向上的全息映射函数；其中，所述全息映射函数包含了从uv分布映射到全息uv平面的偏振信息，以及望远镜所有的基线采样信息和方向依赖波束信息；所述全息uv平面是指以全息天线观测后包含偏振信息的uv分布图；u、v分别表示频域的横坐标和纵坐标；
[0014] 对每一个偏振方向上的全息映射函数进行傅里叶FFT变换后，得到对应的全息脏图模型。
[0015] 可选地，所述通过所述残图，得到所有点源的位置，包括：
[0016] 根据琼斯阵和每一个天线偏振方向的平均波束模型对所述残图进行转换处理后，得到所有点源的位置。
[0017] 可选地，所述从所述点源中寻找亮度源，并将所述亮度源与当前uv分布进行卷积以更新uv分布，包括：
[0018] 在所述点源中找到亮度最大的点的位置，并通过增益γ在亮度最大的点的位置生成新的亮度源；把新的亮度源与当前uv分布进行卷积后，得到更新的uv分布。
[0019] 可选地，所述根据满足预设迭代次数所得到最终更新的uv分布，重构天文图像，包括：
[0020] 步骤1：令i的值为0；
[0021] 步骤2：获取观测数据在每一个偏振方向上的全息映射函数，所述全息映射函数包含了从当前uv分布映射到全息uv平面的偏振信息，以及望远镜所有的基线采样信息和方向依赖波束信息；
[0022] 步骤3：对每一个偏振方向上的全息映射函数进行傅里叶FFT变换后，得到对应的全息脏图模型；
[0023] 步骤4：在每个偏振方向上，把根据观测数据构造的全息脏图减去所述对应的全息脏图模型，得到残图；
[0024] 步骤5：根据琼斯阵和每一个天线偏振方向的平均波束模型对残图进行转换后，得到斯托克斯参数图像I、Q、U、V的值，并对I、Q、U、V的值进行中值滤波处理，得到所有点源的位置；
[0025] 步骤6：在所述点源中找到亮度最大的点的位置，并通过增益γ在亮度最大的点的位置生成新的亮度源；把新的亮度源与当前uv分布进行卷积以得到更新后的当前uv分布；
[0026] 步骤7：判断i的值是否小于迭代次数N，若是，则返
回执行步骤2，并令i的值自增1；若否，则执行步骤8；
[0027] 步骤8：根据最终更新的uv分布，重构天文图像。
[0028] 可选地，所述根据获取到的观测数据构造全息脏图，包括：
[0029] 确定两个双向线性的接收方向，分别记为X和Y；
[0030] 生成可见度数据在XX、YY，XY和YX四个相互独立方向的全息脏图。
[0031] 可选地，所述步骤2中观测数据在每一个偏振方向上的全息映射函数的计算公式如下：
[0032]
[0033] 式中：B(v,u)为观测数据的可见度模型， 为全息天线的波束模型，H(u,u)为全息函数。
[0034] 与现有技术相比，本发明具有如下的有益效果：
[0035] 本发明提供的射电天文图像快速复原方法，通过将根据观测数据得到的全息脏图与根据观测数据计算得到的全息映射函数相结合，全息映射函数中包含了观测模型的全部方向依赖和偏振信息，且稀疏性非常好，因此可以快速准确地从观测数据的uv模型估算出其全息uv域模型，在解决欠采样的射电天文图像复原问题时能够取得非常理想的复原精度，并在保证图像复原精度的前提下大幅缩短了射电天文图像复原的运算时间，从而提高了全息去卷积技术在射电天文图像复原领域和下一代射电干涉仪上的实用性。
附图说明
[0036] 通过阅读参照以下附图对非限制性
实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
[0037] 图1为本发明提供的射电天文图像快速复原方法的原理
框图；
[0038] 图2为本发明一实施例提供的射电天文图像快速复原方法的流程示意图。
具体实施方式
[0039] 下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
[0040] 根据本发明提供的射电天文图像快速复原方法，可以包括：
[0041] S101、根据获取到的观测数据构造全息脏图，所述观测数据包括：望远镜观测到的可见度数据；
[0042] S102、根据所述观测数据，获取对应的全息脏图模型；
[0043] S103、在每个偏振方向上，把根据观测数据构造的全息脏图减去所述对应的全息脏图模型，得到残图；
[0044] S104、通过所述残图，得到所有点源的位置；
[0045] S105、从所述点源中寻找亮度源，并将所述亮度源与当前uv分布进行卷积以更新uv分布；uv分布是指观测数据在频域的横坐标u和纵坐标v所在平面的分布；
[0046] S106、根据满足预设迭代次数所得到最终更新的uv分布，重构天文图像。
[0047] 本实施例，通过将根据观测数据得到的全息脏图与根据观测数据计算得到的全息映射函数相结合，全息映射函数中包含了观测模型的全部方向依赖和偏振信息，且稀疏性非常好，因此可以快速准确地从观测数据的uv模型估算出其全息uv域模型，在解决欠采样的射电天文图像复原问题时能够取得非常理想的复原精度，在保证图像复原精度的前提下大幅缩短了射电天文图像复原的运算时间，从而提高了全息去卷积技术在射电天文图像复原领域和下一代射电干涉仪上的实用性。
[0048] 可选地，在另一实施例中，本发明中提供的射电天文图像快速复原方法，可以包括如下步骤：
[0049] S201、根据获取到的观测数据构造全息脏图；所述观测数据包括：望远镜观测到的可见度数据；所述全息脏图是通过观测数据在每一个偏振方向上的uv
覆盖分别做网格化处理，再进行傅里叶变换得到的；u、v分别表示频域的横坐标和纵坐标，所述uv平面是以望远镜的观测数据对应到频域上(u、v坐标)后的位置信息构成的分布图。
[0050] 本实施例中，可以通过确定两个双向线性的接收方向，分别记为X和Y；然后生成可见度数据在XX、YY，XY和YX四个相互独立方向的全息脏图。
[0051] 具体的，通过对可见度数据在每一个偏振方向上的uv覆盖分别做网格化处理，并对网格化处理之后的可见度数据进行傅里叶变换，得到相应偏振方向上的全息脏图。
[0052] 需要说明的是，对每一个偏振方向的可见度数据只需进行一次uv平面上的网格化处理和快速傅里叶变换。在构建所述全息脏图时，可见度数据自uv平面到全息uv平面的映射选择是相当灵活的，可见度数据在uv平面和全息uv平面上映射结果的大小和
分辨率不一定要相匹配。
[0053] S202、获取观测数据在每一个偏振方向上的全息映射函数，所述全息映射函数包含了从当前uv分布映射到全息uv平面的偏振信息，以及望远镜所有的基线采样信息和方向依赖波束信息；所述全息uv平面是指以全息天线观测后包含偏振信息的uv分布图。
[0054] 本实施例中，对于每一次独立观测的每一个全息偏振方向都要对全息映射函数进行预计算，计算结果保存在存储模
块中并记录到射电干涉仪的磁盘中。
[0055] S203、对每一个偏振方向上的全息映射函数进行傅里叶FFT变换后，得到对应的全息脏图模型；
[0056] S204、在每个偏振方向上，把根据观测数据构造的全息脏图减去所述对应的全息脏图模型，得到残图；
[0057] S205、根据琼斯阵和每一个天线偏振方向的平均波束模型对残图进行转换后，得到斯托克斯参数图像I、Q、U、V的值，并对I、Q、U、V的值进行中值滤波处理，得到所有点源的位置；其中，斯托克斯参数及其矢量是光学尤其是偏振光描述的公认定理，斯托克斯四个参数分量可以完整表述所有的偏振信息，因此本发明中不再对其进行展开描述。
[0058] 本实施例中，斯托克斯参数图像模型是根据琼斯阵和每一个天线偏振方向的平均波束模型对残图进行转换得到的，对所述斯托克斯图像进行中值滤波可以突出点源的位置。滤波后的斯托克斯图像的亮度值将变得非常明显，并在峰值附近出现亮度核，选择增益系数γ在其亮度最大值点生成新的亮度源，再用新的点源可更新四个全息偏振方向的uv平面模型。
[0059] S206、在所述点源中找到亮度最大的点的位置，并通过增益γ在亮度最大的点的位置生成新的亮度源；把新的亮度源与当前uv分布进行卷积以得到更新后的当前uv分布。
[0060] 本实施例中，在进行迭代去卷积前，需要设定循环增益γ和迭代去卷积次数，然后对观测数据的每一个偏振方向分别代入全息映射函数，再对其进行FFT变换得到四个全息偏振方向的脏图模型。
[0061] S207、判断i的值是否小于迭代次数N，若是，则返回执行步骤S202，并令i的值自增1；若否，则执行步骤S208；
[0062] S208、根据最终更新的uv分布，重构天文图像。
[0063] 本实施例中，当所述快速全息去卷积运算在满足迭代停止条件后即可进一步与洁束卷积得到高精度的复原图像。
[0064] 本实施例中，观测数据在每一个偏振方向上的全息映射函数的计算公式如下：
[0065]
[0066] 式中：B(v,u)为观测数据的可见度模型， 为全息天线的波束模型，H(u,u)为全息函数(其中的u、v相当于频域变换，uv变换在图像处理领域可以作为术语，类似数学中的x,y通过傅里叶变换转换为频域j,w，此处不再赘述)。全息映射函数可以把可见度数据在uv平面上的任何一点对应转换到全息uv平面上去。
[0067] 需要说明的是，全息脏图中每个点的信息减去计算得到的全息脏图模型中对应的每个点的信息是指：全息脏图和全息脏图模型中每个位置对应的数据信息之间做减法运算，例如：将每个点的位置坐标相减。
[0068] 具体的，对于每一次独立观测的每一个全息偏振方向都要对全息映射函数进行预计算，计算结果以行索引的方式保存在稀疏存储模块中并记录到射电干涉仪的磁盘中。
[0069] 需要说明的是，uv平面到全息uv平面的映射是相当灵活的，可见度数据在uv平面和全息uv平面上映射结果的大小和分辨率不一定要相匹配。但由于可见度数据是uv平面上有限区域的积分，且后续网格化处理的范围也是有限的，因此实际中，可见度数据在uv平面上的位置通常映射到全息uv平面上相近的位置。
[0070] 具体的，对所述全息脏图和全息映射函数进行迭代去卷积处理的计算公式如下：
[0071]
[0072] 式中：vd为观测数据， 为射电观测源的uv平面模型，γ为循环增益参数，FT(θ,u)为傅里叶变换，θ为偏振
角度，F(u,θ)为傅里叶变换，I(θm)为包含射电观测设备基线信息的可见度数据，θm为射电观测设备的基线位置(角度)。
[0073] 具体的，图2为本发明一实施例提供的射电天文图像快速复原方法的流程示意图，如图2所示，本实施例中的方法可以包括：
[0074] S301、构造观测数据在四个全息方向的脏图。
[0075] S302、找出脏图中的最大值(脏图中点源的亮度最大值的位置)，设定循环增益γ和迭代去卷积次数N。
[0076] S303、计算观测数据在各全息方向的映射函数，对其分别进行快速傅里叶变换得到全息脏图模型；本步骤需要对观测数据的每一个全息偏振方向都进行一次映射函数计算。
[0077] S304、从观测数据的全息脏图中减去计算得到的全息脏图模型，得到相应的残图。
[0078] S305、从残图中得到斯托克斯参数图像I、Q、U和V，对其中值滤波以突出点源。所述斯托克斯参数图像是根据琼斯阵和每一个天线偏振方向的平均波束模型对步骤S304中余下的残图进行转换得到的，对所述斯托克斯图像进行中值滤波可以突出点源位置。
[0079] S306、找到斯托克斯图像亮度的最大值点，借助γ增益更新UV覆盖模型，判断是否达到迭代次数，若否，则返回执行步骤S303，若是，则执行步骤S307。所述滤波后的斯托克斯图像的亮度值将变得非常明显，并在峰值附近出现亮度核，选择增益系数γ在其亮度最大值点生成新的亮度源，再用新的点源更新四个全息偏振方向的uv平面模型。
[0080] S307、重建图像。所述快速全息去卷积运算在满足迭代停止条件后即可进一步与洁束卷积得到高精度的复原图像。
[0081] 本实施例，通过将根据观测数据得到的全息脏图与根据观测数据计算得到的全息映射函数相结合，全息映射函数包含了观测模型的全部方向依赖和偏振信息，且稀疏性非常好，因此可以快速准确地从观测数据的uv模型估算出其全息uv域模型，在解决欠采样的射电天文图像复原问题时能够取得非常理想的复原精度。由于全息映射函数包含了望远镜所有的基线采样信息和方向依赖波束信息，据此可以有效地对可见度数据的生成和网格化处理的过程进行预计算，而且计算结果在更换天空模型后仍可重复使用，这使得本发明方法在处理大规模观测数据时将会显著提高全息运算的效率。另外，由于全息映射函数的预计算亦独立于去卷积过程，因此减化了全息去卷积过程的运算步骤，在保障图像复原精度的前提下大幅缩短了计算时间。
[0082] 以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在
权利要求的范围内做出各种变化或
修改，这并不影响本发明的实质内容。在不冲突的情况下，本
申请的实施例和实施例中的特征可以任意相互组合。
