13、天文图像的机器视觉与CoLiTec软件应用

天文图像的机器视觉与CoLiTec软件应用

1. 天文图像与机器视觉概述

天文图像通常由电荷耦合器件（CCD）或其他相机/传感器生成，也可从服务器、历史档案、数据库、虚拟天文台等多种来源获取，形式包括原始数据或已处理数据。机器视觉在天文图像处理中的目标广泛，涵盖理解数字图像、滤波、分析/处理/提取高维信息以生成数值和符号数据、物体识别、物体图像检测、移动物体检测、天体测量、光度测量等多个方面。

由于天文图像数量巨大，在应用机器视觉技术之前，采用大数据分析和数据挖掘方法十分必要。信息和通信技术与数据和知识工程以及机器视觉紧密相连。

2. 天文学中的大数据挑战

随着地面和太空望远镜的发展，天文学领域的数据和信息迅速增长，达到了PB级甚至更高。如何利用各种机器视觉技术从海量信息中自动发现有用数据，成为全球天文学家和科学家面临的重大挑战。为解决这一问题，人们开展了大量研究，并启动了许多科学项目。虚拟天文台、服务和数据库通过知识发现数据库（KDD）方法解决了各种研究问题。

3. 数据库中的知识发现

3.1 KDD过程结构

跨行业数据挖掘标准流程（CRISP - DM）构建了KDD过程的结构，包括选择、预处理、转换、数据挖掘、解释和评估六个主要阶段。不过，不同研究领域可根据自身目的和目标调整KDD阶段的顺序。

天文KDD过程包括从原始天文数据转换为人类知识的多个阶段：接收、选择、存储、清理、预处理、转换、数据挖掘以及根据识别模式提取有用数据（知识）。

3.2 数据挖掘阶段

数据挖掘阶段类似于KDD过程的调查步骤，在天文学中，它从输入数据集