基于Facet的分子云核检测方法技术

基于Facet的分子云核检测方法，包括以下步骤：步骤1：构建分子云核模型；步骤2：对原始数据进行基于形态学的预处理，提取信号区域；步骤3：对信号区域进行基于多元函数极大值理论和Facet模型的分子云核中心检测；步骤4：对信号区域进行基于梯度的分割，获得局部区域；步骤5：基于连通性的最小距离聚类，将局部区域分配到分子云核的中心。本发明专利技术一种基于Facet的分子云核检测方法，该方法抗噪能力较强，对参数的依赖较小，目标检测的综合效果更优，检测的分子云核更符合目前对恒星形成的认识。测的分子云核更符合目前对恒星形成的认识。测的分子云核更符合目前对恒星形成的认识。

【技术实现步骤摘要】
基于Facet的分子云核检测方法


[0001]本专利技术涉及分子云核检测
，具体涉及一种基于Facet的分子云核检测方法。

技术介绍

[0002]分子气体是恒星间介质的重要组成部分，在宇宙的演化过程中起着重要的作用。理 解恒星初始质量函数的起源是解开恒星演化之谜的基础之一。分子云核的自动准确检测是 大规模天空测量分析的迫切的技术要求。
[0003]分子云核具有局部高密度和流体特征，对于分子云核的检测，现有技术中涉及的算法 有:GaussClumps，ClumpFind，Reinhold，FellWalker，LDC和ConBased算法。GaussClumps 对于高斯分布的团块检测效果很好，但观测数据中存在大量不规则分布的团块。ClumpFind 对等高线间隔使用的特定值非常敏感；Reinhold更容易受到噪声的影响，因为它使用更低 的像素值来寻找块边缘；FellWalker和LDC对最大跳跃距离敏感，最大跳跃距离用于确定 需要合并的极值点的范围，LDC也依赖于最小峰值强；ConBased虽然综合考虑了体积、强 度差和中心距离差本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于Facet的分子云核检测方法，其特征在于包括以下步骤：步骤1：构建分子云核模型；步骤2：对原始数据进行基于形态学的预处理，提取信号区域；步骤3：对信号区域进行基于多元函数极大值理论和Facet模型的分子云核的中心检测；步骤4：对信号区域进行基于梯度的分割，获得局部区域；步骤5：基于连通性的最小距离聚类，将局部区域分配到分子云核的中心；通过上述步骤，实现分子云云核的检测。2.根据权利要求1所述基于Facet的分子云核检测方法，其特征在于：所述步骤1中，所述分子云核模型为三维高斯分布模型，其分布函数为：其中：Σ表示变量的协方差矩阵，表示均值，A表示幅值，n表示高斯分布的维数，T表示转置；分子云核模型能够沿着轴旋转任意角度，旋转方程为：x
′
＝(x
‑
x0)cos(θ)
‑
(y
‑
y0)sin(θ)+x0y
′
＝(x
‑
x0)sin(θ)+(y
‑
y0)cos(θ)+y0；其中：(x0,y0)为云核在xy平面上的中心坐标，x,y为分子云核旋转前在xy平面上的坐标，x',y'为分子云核旋转前在xy平面上的坐标，θ为旋转角度；可根据需求对云核进行截断，本发明默认以高斯分布的半高权宽截断截断条件方程为：其中：σ为协方差矩阵的对角元素，x
i
,y
j
,z
k
分别代表高斯分布在x,y,z轴上的第i,j,k个坐标，3.根据权利要求2所述基于Facet的分子云核检测方法，其特征在于：三维高斯分布模型用以构建单个分子云核，数据块由多个仿真云核组成，在加入单个云核时，需判断加入该单个云核后的数据块中的峰值数量的变化情况，存在峰值不变、峰值增加一个和峰值增加多个这三种情况，只有使数据块中峰值个数增加一个的云核才能加入数据块，并以此决定分子云核的可分标准；峰值点定义为以数据块中任意一点为中心的3
×3×
3邻域范围内，除中心点本身外的任意点的强度都比它的强度更小的点。4.根据权利要求1所述基于Facet的分子云核检测方法，其特征在于：所述步骤2包括如下步骤：步骤2.1、阈值分割：选择一个阈值对原始数据进行二值化，大于阈值的像素值标记为1，标记为1的数据为需要继续进行形态处理的二值化掩膜；步骤2.2、开运算：
对二值化掩膜进行形态学开运算，得到开运算掩膜；步骤2.3、膨胀：对开运算掩膜进行形态膨胀，获得膨胀掩膜；当膨胀扩展区域时，会引入低于噪声水平的强度值；为了去除阈值以下的这些值，提取二值化掩膜和膨胀掩膜的交集，称为交集掩膜；步骤2.4、连通域标记：应用连通算子到交集掩膜获得连通域，将连通域与原始数据相乘，得到信号区域。5.根据权利要求1所述基于Facet的分子云核检测方法，其特征在于：所述步骤3中，基于多元函数极大值理论具体如下：设n多元实函数f(x1,x2,...,x
n
)在点M0(t1,t2,...,t
n
)的邻域内有二阶连续偏导，其中x1,x2,...,x
n
代表多元实函数的未知数，t1,t2,...,t
n
代表M0的坐标；若有：并且：当A负定矩阵时，f(x1,x2,...,x
n
)在M0(t1,t2,...,t
n
)处是极大值，矩阵是负定矩阵的充分必要条件是它的特征值都小于零。6.根据权利要求1或5所述基于Facet的分子云核检测方法，其特征在于：所述步骤3中，采用Facet模型的三元三次多项式为：f(x,y,z)＝a1g1(x,y,z)+a2g2(x,y,z)+...+a
20
g
20
(x,y,z)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)；其中，a1,a2,...,a
20
代表拟合系数，g1,g2,...,g
20
代表基底函数；即：其中，Φ＝(g1,g2,...,g
N
)＝{1,x,y,z,x2,y2,z2,xy,xz,yz,xyz,xy2,xz2,x2y,yz2,x2z,y2z,x3,y3,z3)；系数通过最小二乘拟合使目标函数ε最小；式(3)中，I(x,y,z)为原始曲面，f(x,y,z)为拟合曲面，W(x,y,z)为Gaussian窗口函数,即：其中，s为窗口尺度；将基函数Φ张成的函数空间定义为：
其中，p(x,y,z),q(x,y,z)为任意三元函数，W(x,y,z)为Gaussian窗口函数；则(3)中的误差函数ε写为：其中，I为原始曲面，Φ为基底向量，为拟合系数，W为Gaussian窗口函数，T表示转置；对(6)求导，令可使得误差函数ε最小，得：其中，为拟合系数，I为原始曲面，Φ为基底向量，K为Facet模型算子，T表示转置；将Φ带入(7)式，并用(5)式加权内积计算，即可求得拟合系数采用3DIDDG算子，获得梯度向量G为：G＝(F
x
,F
y
,F
z
)；其中：F
x
,F
y
,F
z
分别表示f(x,y,z)对x,y,z的偏导数；其中，a
i
为拟合系数，L为3D IDDG算子参数；当L＝0时，IDDG算子简化为直接求偏导数的标准梯度算子；对f(x,y,z)
(x,y,z)＝(0,0,0)<...

【专利技术属性】
技术研发人员：蒋禹，郑胜，曾曙光，黄瑶，曾祥云，
申请(专利权)人：三峡大学，
类型：发明
国别省市：