摘要: 长焦距望远镜拍摄的天文图像一般具有高精度的位置和光度，而没有较大的视场。为了能够得到高精度的大视场的天文图像，我们对各原始图像进行拼接。本文使用了几种不同的拼接方法。各拼接方法均包括坐标转换和像素融合两个部分。坐标转换过程主要尝试... 展开 长焦距望远镜拍摄的天文图像一般具有高精度的位置和光度，而没有较大的视场。为了能够得到高精度的大视场的天文图像，我们对各原始图像进行拼接。本文使用了几种不同的拼接方法。各拼接方法均包括坐标转换和像素融合两个部分。坐标转换过程主要尝试了三种主要的方案，即基于空间平面间的投影的参数模型、基于星表配准的球面坐标转换模型以及基于建立辅助坐标系简化运算的模型。其中，方案二是本文新提出的。实验发现，在三种方案中球面坐标转换的方法获得的图片的精度最高，但是速度最慢。它结合了星表UCAC4的星象位置计算CCD的底片常数，然后再做图像间的坐标转换。基于空间平面间的参数模型的方案运算速度是这三个中最快的，其中仿射变换只是一种近似计算。基于辅助坐标的简化运算是严格的，其运算速度适中，但是在本文中的效果还不理想，依然需要对其进一步研究。坐标转换完成后，再用图像融合技术将各图像合并到一起即可得到拼接图像。同时，本文推导出方案三的辅助平面法中的快速平面转换也属于八参数模型的范畴，给出了八参数模型的最小二乘法求解过程。 进一步地，通过云南天文台2.4m望远镜实际拍摄到的许多CCD图像对拼接方案进行检验。这些算法能将多幅CCD图像拼接成一幅比较大的高精度的且拥有比原始图像更高信噪比的合成图像。目前已经可以应用这种图像来寻找运动目标和暗弱星象。如果对原始数据用Peng等人的方法进行扭曲改正后采用方案二，图像拼接过程产生的误差仅为0.02个像素，基本能满足目前对视场定标的要求，而没有进行扭曲改正的图像直接拼接会产生0.04个像素的误差。这些实验说明Peng等人的扭曲模型能有效提高天文图像的拼接精度。 收起