一種快速的星圖圖像星點(diǎn)提取方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于導(dǎo)航技術(shù)領(lǐng)域，尤其涉及一種快速的星圖圖像星點(diǎn)提取方法。
【背景技術(shù)】
[0002] 星敏感器作為自主的天文導(dǎo)航系統(tǒng)，在自動(dòng)巡天系統(tǒng)和深空探測(cè)中扮演著重要的 作用。在星敏感器系統(tǒng)中，星圖圖像的質(zhì)心提取、星識(shí)別和飛行器的姿態(tài)解算，這一系列操 作必須實(shí)時(shí)處理。星圖圖像的質(zhì)心提取在星敏感器中扮演著重要的角色。星圖圖像質(zhì)心的 定位精度直接影響著星識(shí)別的精度以及飛行器姿態(tài)解算的性能。因此，快速、高精度的質(zhì)心 提取算法對(duì)于提高系統(tǒng)的性能是不可缺少的。
[0003] 在過去的幾十年里，許多學(xué)者致力于星敏感器系統(tǒng)的研宄，提出了許多質(zhì)心提取 算法。在傳統(tǒng)的質(zhì)心提取算法中，大量的時(shí)間耗費(fèi)在對(duì)背景像素的掃描，所以質(zhì)心提取的速 度很低。Zhu等人采用交叉鏈表來加快星點(diǎn)質(zhì)心的提取，但是星點(diǎn)的質(zhì)心定位精度不盡如人 意。在相關(guān)文獻(xiàn)中，提出了改進(jìn)的策略來提高質(zhì)心定位的精度，但是這些算法提取星點(diǎn)質(zhì)心 的過程比較復(fù)雜，耗時(shí)較多。Wang等人采用最小能量差來確定星點(diǎn)的質(zhì)心，但是當(dāng)星點(diǎn)的能 量分布不對(duì)稱時(shí)，星點(diǎn)的定位精度變差。Sun等人借助模糊模型和圖像重構(gòu)的方法來獲得高 的定位精度，但是這一過程比較復(fù)雜。
[0004] 使用插值算法往星點(diǎn)的彌散區(qū)域插入更多的星點(diǎn)像素，使得有更多的星點(diǎn)像素用 于計(jì)算星點(diǎn)的質(zhì)心，改善了星點(diǎn)的分辨率，從而提高了星點(diǎn)的定位精度。Xi等人提出了在頻 域中提取星點(diǎn)質(zhì)心的方法，但是這種質(zhì)心提取算法的計(jì)算復(fù)雜度太高而不適用于實(shí)際的應(yīng) 用中。Yu等人結(jié)合迭代閾值分割法和種子點(diǎn)區(qū)域生長(zhǎng)法來識(shí)別星點(diǎn)的彌散區(qū)域，但是這一 迭代過程比較耗時(shí)。
[0005] 在相關(guān)文獻(xiàn)中，Jia等人詳細(xì)分析了因其定位誤差的原因，而Yang等人引入了誤 差補(bǔ)償方法來改善星點(diǎn)的定位精度。盡管他們使用像素的幾何中心來替代像素的灰度質(zhì) 心，但是卻不能完全地消除系統(tǒng)誤差。在相關(guān)文獻(xiàn)中，使用閾值法來消除星點(diǎn)定位的隨機(jī)誤 差，但這一方法很大程度上依賴于閾值的選取。
[0006] 為了克服現(xiàn)有星點(diǎn)提取算法所存在的缺點(diǎn)，提高星點(diǎn)的定位精度，降低星點(diǎn)質(zhì)心 提取算法的復(fù)雜度，有必要研宄快速高精度的星點(diǎn)提取算法。隨著深空探測(cè)的發(fā)展，對(duì)星敏 感器性能的要求越來越高。因此建立快速、高精確的星點(diǎn)算法具有重要的意義。

【發(fā)明內(nèi)容】

[0007] 針對(duì)現(xiàn)有技術(shù)的不足，本發(fā)明旨在提供一種快速的星圖圖像星點(diǎn)提取方法，解決 現(xiàn)有的星點(diǎn)提取算法復(fù)雜度較高、星點(diǎn)提取效率較低的問題。
[0008] 為了實(shí)現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：
[0009] 一種快速的星圖圖像星點(diǎn)提取方法，包括如下步驟：
[0010] 第一步，采用多窗口抽樣方法確定星圖圖像閾值分割方法中的閾值，根據(jù)圖像分 割的思想，將星點(diǎn)像素與背景像素進(jìn)行分離；
[0011] 第二步，選取一部分星點(diǎn)像素并用于進(jìn)行分類，將同屬于一個(gè)星點(diǎn)的像素視為一 個(gè)類別，每個(gè)類別中像素的平均坐標(biāo)作為對(duì)應(yīng)星點(diǎn)彌散區(qū)域的中心坐標(biāo)，從而實(shí)現(xiàn)觀測(cè)星 點(diǎn)的粗定位；
[0012] 第三步，將星點(diǎn)彌散區(qū)域的中心坐標(biāo)作為種子，利用種子點(diǎn)區(qū)域生長(zhǎng)法，自動(dòng)選取 對(duì)應(yīng)觀測(cè)星點(diǎn)的像素；
[0013] 第四步，根據(jù)星點(diǎn)能量分布的特點(diǎn)，采用不同的策略對(duì)星點(diǎn)像素的灰度值進(jìn)行修 正；
[0014] 第五步，觀測(cè)星點(diǎn)的精確定位：使用插值算法提高星點(diǎn)的分辨率，使用選取的星點(diǎn) 像素和插值的星點(diǎn)像素，利用質(zhì)心計(jì)算公式得到觀測(cè)星點(diǎn)的質(zhì)心坐標(biāo)，從而完成觀測(cè)星點(diǎn) 的提取。
[0015] 需要說明的是，第一步中，星圖圖像的分割具體采用單一閾值分割法，而分割閾 值的確定方法具體為：選取大小合適的窗口，在星圖圖像上隨機(jī)確定窗口的位置并計(jì)算窗 口內(nèi)星圖圖像像素的均值和方差，通過統(tǒng)計(jì)多個(gè)抽樣窗口的結(jié)果，根據(jù)下式得到分割的閾 值：
[0017]其中，Nw為抽樣窗口的個(gè)數(shù)，y0i分別為第i個(gè)抽樣窗口內(nèi)的像素的均值和 方差，a為常數(shù)，設(shè)為4或者5 ;當(dāng)像素的灰度值大于分割閾值時(shí)，視其為星點(diǎn)像素，否則視其 為背景像素。
[0018] 需要說明的是，在第二步中，用于進(jìn)行分類的該部分星點(diǎn)像素的確定方法為：設(shè)在 星圖圖像中位于（X，y)處的像素的灰度值為I(x，y)，則
[0019] S= {(x，y) 11 (x，y)#Ts+(l_Ts)/k=Ts+v，i= 1，2，…，Ns};
[0020] 像素集合S為星圖圖像中所有觀測(cè)星點(diǎn)的部分像素，其中，k為一常數(shù)，v為隨著分 割閾值Ts變化而變化的變量，Ns為像素集合S中像素的個(gè)數(shù)，I(x，y) S中第i個(gè)像素的 灰度值。
[0021] 進(jìn)一步需要說明的是，第二步中，每一星點(diǎn)的像素視為一個(gè)分類，將選取出來用于 進(jìn)行分類的該部分星點(diǎn)像素的集合S中所有的像素歸類，從而將星圖圖像中的每一觀測(cè)星 點(diǎn) 區(qū)分開，這一分類過程如下：
[0022] 1)首先，任意選取像素集合S中的某一像素（x，y)^為第一個(gè)分類C#的第一 個(gè)像素，即
[0023] Cp= {(x,y)J, (x,y)!GS,p= 1 ；
[0024] 其中，p為分類的類別個(gè)數(shù)，然后將像素（x，yh從像素集合S中刪除；
[0025] 2)將像素集合S中的像素（x，y)s與已經(jīng)確定的類別Cj(j= 1，…，p)中的像素 進(jìn)行比較，如果像素（x，y)s與分類q中的像素為毗鄰的關(guān)系，則這一像素（x，y) 3屬于分類 Cj中的像素；然后將像素（x，y)s從集合S中刪除，像素（x，y)s與分類q中的像素是否屬 于毗鄰關(guān)系通過下式確定：
[0027] 其中，d。為像素（x，y)s和分類C#的像素（x，y)的平面距離，T。為預(yù)定義的閾 值，用于判定兩像素是否是毗鄰的關(guān)系；
[0028] 若像素（x，y)s與已經(jīng)確定的類別Cj(j = 1，…，p)中的任意像素都不存在毗鄰 的關(guān)系，即對(duì)于P， V(x，.v)，(x，>')eC,，有dc= | |〈(x，y)s，（x，y)>| |2> Tc，則認(rèn) 為像素（x，y)s屬于新的分類中的一個(gè)像素，對(duì)于已經(jīng)確定的類別的個(gè)數(shù)增加1，并且將像素 (x，y)s從集合S中刪除，這一描述可以表示如下：
[0029] p=p+1,Cp= {(x,y)J；
[0030] 3)如果像素集合S非空，即集合S中有像素沒有被歸類，則重復(fù)步驟2)的操作，直 到集合S中的所有像素已歸類。
[0031] 需要說明的是，第二步中，每一類別中的所有像素的坐標(biāo)的均值為所對(duì)應(yīng)的觀測(cè) 星點(diǎn)的彌散區(qū)域的中心坐標(biāo)，即
[0033] 其中，（xe，ye)j為第j個(gè)分類所對(duì)應(yīng)的觀測(cè)星點(diǎn)的彌散區(qū)域的中心坐標(biāo)，Nj為類別Cj中像素的個(gè)數(shù)，（x，y)i為類別q中的像素在星圖圖像上的坐標(biāo)，p為分類類別的個(gè)數(shù)，即 星點(diǎn)彌散區(qū)域的個(gè)數(shù)，也即星圖圖像上觀測(cè)星點(diǎn)的個(gè)數(shù)。
[0034] 進(jìn)一步需要說明的是，如果某一類別q(jep)中所包含的像素較少，則這一類別 視為噪聲點(diǎn)并舍棄。
[0035] 需要說明的是，第三步中，第二步中得到的星點(diǎn)彌散區(qū)域的中心坐標(biāo)作為種子點(diǎn)， 當(dāng)種子點(diǎn)附近的像素（x，y)滿足以下條件時(shí)，被視為該種子點(diǎn)所對(duì)應(yīng)的星點(diǎn)的像素：
[0037] 其中，（^，ye)為星點(diǎn)彌散區(qū)域種子點(diǎn)的坐標(biāo)，R為該種子點(diǎn)對(duì)應(yīng)的觀測(cè)星點(diǎn)的直 徑，I(x，y)為像素（x，y)的灰度值，1；為第一步中所得的分割閾值。
[0038] 需要說明的是，第四步中，根據(jù)星點(diǎn)能量分布的特點(diǎn)，分別采用兩種不同的策略來 對(duì)星點(diǎn)像素的灰度值進(jìn)行修正：
[0039] 第一種策略：位于星點(diǎn)彌散區(qū)域邊緣的星點(diǎn)像素，其修正后的灰度值由其本身的 灰度值以及其與該星點(diǎn)彌散區(qū)域的種子點(diǎn)的平面距離的大小決定，即
[0041] 其中，I(x，y)為星點(diǎn)像素（x，y)本身的灰度值，I' (x