Um den hohen Anforderungen an Effizienz und Genauigkeit bei der Ebenheitsprüfung von Detektoren für lichtstarke Weitfeldteleskope gerecht zu werden, wird in diesem Artikel eine K-means-Clustering-Segmentierungsmethode mit Randinformationsbeschränkung für zusammengesetzte Detektoren vorgeschlagen. Diese Methode dient als wichtiger Vorverarbeitungsschritt vor der Ebenheitsbewertung, um Regelstrukturzonen effektiv zu extrahieren und die Genauigkeit sowie Stabilität der anschließenden Ebenheitsindizes zu verbessern. Sie eignet sich für mehrstufige Detektorprüfaufgaben unter verschiedenen Betriebsbedingungen. Zunächst werden die strukturellen Merkmale zusammengesetzter Detektoren analysiert und eine Methode zur Verarbeitung von Punktwolken-Daten der zusammengesetzten Detektoren entwickelt. Dann werden Randspaltmerkmale extrahiert und die Kontinuität der Ränder verstärkt, wobei die adaptiv ausgewählten initialen Clusterzentren basierend auf Punktmengen innerhalb geschlossener Bereiche die durch zufällige Initialisierung verursachte Konvergenzinstabilität vermeiden. Schließlich werden im K-means-Zielobjekt eine Randstrafkomponente und ein Mechanismus zur Erkennung anomaler Höhenwerte eingeführt, um durch iterative Optimierung eine feingliedrige Segmentierung der Detektor-Punktwolke zu erreichen. Experimente zeigen, dass die auf geschlossenen Bereichen basierende Centroid-Initialisierung die durchschnittliche Anzahl der Iterationen reduziert und das manuelle Voreinstellen der Clusterzahl vermeidet. Im Vergleich zu herkömmlichen Methoden verbessert die Einführung von Randbeschränkungen und Höhenabweichungskriterien die Genauigkeit der Grenzabstimmung um mehr als 50 %. Diese Methode ermöglicht eine effektive Segmentierung von Punktwolken zusammengesetzter Detektoren und bietet einen effizienten Ansatz für die Entwicklung und Nutzung von Detektoren großer Teleskope.

Lichtstarkes optoelektronisches Teleskop; zusammengesetzter Detektor; Punktwolkensegmentierung; Kantenerkennung; Clustering