【技术实现步骤摘要】
一种基于姿态信息的星点提取方法
[0001]本专利技术属于天文定位定向
,涉及一种基于姿态信息的星点提取方法。
技术介绍
[0002]星点提取的主要任务是通过一系列处理得到星敏感器视场内的恒星在CCD平面上的二维坐标信息。为了最终得到的二维坐标信息尽可能精确,在设计星敏感器时通过离焦处理使恒星投影为一个点状弥散区域,并且该区域的能量分布模型通常符合高斯分布,因此星点提取过程实际上也是点状目标的定位技术在星敏感器星图处理中的应用。星点提取是星敏感器整个任务计划中的重要一环,也是输出星图后首先需要处理的工作。星点提取主要涉及两项技术指标,一是星点提取速度,二是星点提取精度。星点提取速度影响星敏感器整体的实时性水平,星点提取精度影响下一步恒星识别的成功率与星敏感器最终的定姿精度。总的来讲,星点提取包含两大步骤:星点像素区域精确提取与质心定位。星点像素区域精确提取又可分为如下两个步骤。一是将图像的背景噪声与目标区域(星点弥散区域)区分开来;二是聚合归类目标区域,得到星点的精确分布。图像的背景噪声与星点目标区域进行区分所依赖的主要特征是灰度值。区分星点目标区域与背景噪声时,最常见的方法是阈值分割法,该方法在图像处理领域运用广泛,是一种典型的基于灰度特征的图像分割方法。视场内能有多少恒星投影到CCD平面上主要取决于星敏感器极限探测星等、视场大小等参数,极限探测星等越高、视场越大,则成像在CCD上的恒星数越多,可以多达几十颗。因此,区分开星点目标区域与背景噪声后,必须按照星点像素所属的星点进行归类聚合,得到各个星点自身弥散区 ...
【技术保护点】
【技术特征摘要】
1.一种基于姿态信息的星点提取方法,其特征在于:根据实拍星图随机选取抽样窗口,计算每个抽样窗口内所以像素灰度值的期望与标准差和阈值;根据星图的噪声强度确定纵坐标矩阵的大小,筛选出潜在像素的纵坐标和潜在像素点;根据对纵坐标矩阵的每一行进行一阶前向差分,得到差分矩阵;若纵坐标矩阵是种子点,则对于同一个星点的内部区域的某一行像素点进行一阶前向差分,得到常值序列;根据遍历差分矩阵的每一行,通过判断差分矩阵的每一行值来提取种子点,并基于曼哈顿距离来剔除同类种子点;根据种子点的坐标信息,利用区域生长法搜索出星点的所有内部像素,并进行质心定位;根据惯性器件的姿态变化量输出递推后续拍摄星图中星点的种子点,并进行区域生长与质心定位操作,包括构造纵坐标矩阵M、构造差分矩阵Q、剔除噪声点与提取种子点、星点内部像素精确提取与质心定位、基于惯性器件姿态变化量输出递推星点质心位置五大步骤,具体为:步骤1:对星图S进行一次遍历,获得二维纵坐标矩阵M;步骤2:对纵坐标矩阵M的每一行进行一阶前向差分,得到差分矩阵Q;步骤3:剔除噪声点,提取种子点;步骤4:基于种子点的坐标信息,利用区域生长法搜索出星点的所有内部像素,并进行质心定位;步骤5:利用惯性器件的姿态变化量输出递推后续拍摄星图中星点的质心位置。2.根据权利要求1所述的一种基于姿态信息的星点提取方法,其特征在于:步骤1中所述的“对星图S进行一次遍历,获得二维纵坐标矩阵M”具体步骤如下:步骤1.1:确定阈值T,方法为:随机选取几十个抽样窗口,抽样窗口的分布尽量均匀,抽样窗口的大小适当就行,不需要太大,能反映出噪声特性即可,计算每个抽样窗口内所以像素灰度值的期望μ
i
与标准差σ
i
,然后按照下式计算出阈值T用于星图降噪处理,式中,μ
i
为抽样窗口内所以像素灰度值的期望,σ
i
为抽样窗口内所以像素灰度值的标准差,N
w
为抽样窗口数,a为经验值,视试验效果而定,步骤1.2:对于一幅拍摄星图S,设星图的尺寸为N1*N2,其中,N1为星图的行数,N2为星图的列数,构造一个纵坐标矩阵M,其中M的大小为(N1/2)*N3,之所以叫纵坐标矩阵,是因为矩阵中存储的非零值都是潜在像素点的纵坐标,M矩阵的行数是S矩阵行数的一半,N3为一个常值,根据星图的噪声强度确定,噪声强度越大,则图像中高灰度值的噪声像素点(后续简称噪声点)越多,后续寻找种子点(星点内部区域的任意一个像素点都称为该星点的种子点)时出现的潜在像素点就越多,N3就越大,纵坐标矩阵M的每一行存储着星图对应行中筛选出来的潜在像素的纵坐标,筛选出来的潜在像素点,即噪声点(灰度值大于阈值T的强噪声点)和不同星点的种子点的集合,后续会对纵坐标矩阵M进行二次处理以剔除其中的噪声点,保留下种子点,得到这些种子点后,便可以进一步快速搜索出不同星点的所有内部像素点用于质心定位,步骤1.3:构造纵坐标矩阵M,方法如下所述,首先,从左往右遍历星图第一行的每一个像素点,当遇到第一个灰度值大于阈值T的像素点时,将该像素点的纵坐标存入M矩阵的M(1,1)位置,当遇到第二个灰度值大于阈值T的像素点时,将该像素点的纵坐标存入M矩阵的
M(1,2)位置,依次类推,扫描完星图的第一行数据,接着,从左往右遍历星图第三行的每一个像素点,当遇到第一个灰度值大于阈值T的像素点时,将该像素点的纵坐标存入M矩阵的M(2,1)位置,依次类推,扫描完星图的第三行数据,按照该模式,以行步长为2扫描完整幅星图,得到纵坐标矩阵M。3.根据权利要求1所述的一种基于姿态信息的星点提取方法,其特征在于:步骤2中所述的“对纵坐标矩阵M的每一行进行一阶前向差分,得到差分矩阵Q”具体步骤如下:步骤2.1:构造差分矩阵Q,具体执行过程为:纵坐标矩阵M第i行第j列的数据M(i,j)减去纵坐标矩阵M第i行第(j
‑
1)列的数据M(i,j
‑
1)得到差分矩阵Q的第i行第j列的数据Q(i,j),即Q(i,j)=M(i,j)
‑
M(i,j
‑
1)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)步骤2.2:解释一阶差分运算在后续步骤剔除噪声点,提取种子点时所体现出来的数学意义,若纵坐标矩阵M中的某个值M(i,j)所指向星图S的位置(2i
‑
1,M(i,j))是种子点(即该像素处于星点内部区域),则一般情况下,星图S的像素点(2i
‑
1,M(i,j)
‑
1)、(2i
‑
1,M(i,j)+1)也处于星点内部区域,或者(2i
‑
1,M(i,j)
‑
2)、(2i
‑
1,M(i,j)
‑
1)、(2i
‑
1,M(i,j)),或者(2i
‑
1,M(i,j))、(2i
‑
1,M(i,j)+1)、(2i
‑
1,M(i,j)+2),总的来说就是存在三个依次相邻的星点内部像素点,下面以(2i
‑
1,M(2i
‑
1,j)
‑
1)、(2i
‑
1,M(i,j))、(2i
‑
1,M(i,j)+1)为例说明,对于纵坐标矩阵M而言,星图中这三个相邻的星点内部像素点在步骤一中都会被识别出来并存储其纵坐标,则矩阵M第i行的某位置存在三个相邻的数(M(i,j)
‑
1,M(i,j),M(i,j)+1),可以看出,对于同一个星点的内部区域的某一行像素点(通常长度为1~7),其在纵坐标矩阵M中对应位置是呈线性增长的,...
【专利技术属性】
技术研发人员:周召发,张志利,常振军,段辉,赵军阳,
申请(专利权)人:中国人民解放军火箭军工程大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。