CN101509775A - 一种多孔阵列式太阳敏感器的图像快速识别方法及装置 - Google Patents

Abstract

本发明涉及一种多孔阵列式太阳敏感器的图像快速识别方法及装置，其步骤在于：I)建立二值化匹配模板；II)图像数据的压缩存储；III)识别成像点矩阵的第一个成像点；IV)计算第一个成像点在成像点矩阵中的位置；V)计算整个成像点矩阵在初始图像中的首位置；VI)计算初始像素读取时成像点矩阵中心位置。本发明的装置包括光引入器、图像传感器、接口电路和计算机。本发明的方法和装置在识别太阳成像点矩阵在初始图像中的首位置时，克服了由于大面阵图像传感器导致的识别速度缓慢且需要很大图像存储量的缺点。本发明的优化方法可广泛用于多孔阵列式APS太阳敏感器，对太阳敏感器的识别效率有很大提高。

Description

一种多孔阵列式太阳敏感器的图像快速识别方法及装置

技术领域

本发明涉及一种姿态传感器领域，特别是关于一种用于航天器上姿态测量控制系统的多孔阵列式太阳敏感器的图像快速识别方法及装置。

背景技术

太阳敏感器是航天器上进行姿态测量的重要器件，现在已经广泛应用于航天领域，包括航天飞机、地球卫星和深空探测器等。近年来，随着航天任务的要求，对航天器相对于太阳的姿态测量精度和测量可靠性的要求越来越高，尤其是需要进行高精度成像的系统，包括侦查卫星、资源和天文观测卫星以及通信卫星。高精度的太阳角度测量可以实现太阳帆板的准确对日，以保证卫星的最大能量获取。同时，基于太阳角度测量的对日稳定模式也是绝大多数卫星的一种初始模式和安全模式。

传统的模拟式太阳敏感器的光敏探测元件采用基于光伏特性的太阳能电池片，且模拟量输出，精度比较低，抗干扰性也不强，不能满足航天器姿态控制的大视场和高精度的要求。随着电子学技术发展，面阵感光探测器在空间得到了广泛应用，采用面阵图像传感器而构成的太阳敏感器也成为了当前的一个研究热点。这种太阳敏感器具有精度高和抗干扰能力强的特点，在一些特定场合可以代替星敏感器应用。

如图1、图2所示，太阳敏感器的光线引入器分为单孔式和阵列式，因此太阳敏感器也相应的分为单孔式和阵列式。单孔式太阳敏感器的基本原理为光线通过小孔在感光探测器上成像，通过质心法求得太阳像点的中心坐标位置(x_c，y_c)，进一步根据三角函数关系式获得太阳角分别为α和β：

$\mathrm{\α}={\mathrm{tg}}^{-1}\left(\frac{x_c}{h}\right)$

$\mathrm{\β}={\mathrm{tg}}^{-1}\left(\frac{y_c}{h}\right)$

其中，h表示透光孔与感光探测器之间的距离。由于h是一个固定的值，因此方位角的精度主要决定于系统处理得到的中心坐标(x_c，y_c)的精度。单孔式太阳敏感器的成像在图像传感器上所占据的像素点可以达到25个，与传统的线阵敏感器相比，精度有所提高。但是由于单孔式太阳敏感器只有一个成像点，其成像点图像的提取、识别、处理和运算都相对简单，且图像利用率低，精度难以进一步提高。在申请人的上一个专利，“一种高精度APS太阳敏感器及其实现方法”(专利申请号：)中提到：阵列式太阳敏感器的光引入器由于包含排列成矩阵的多个透光孔，因此可产生比单孔太阳敏感器更多的成像点，同时阵列式太阳敏感器对各成像点经过图像相关运算和相关结果质心运算，并对相关矩阵质心进行加权均值滤波，其精确度较之单个成像点方法提高数倍。但阵列式太阳敏感器在运行时需要通过初始像素读取步骤，来确定第一次启动太阳敏感器时成像点落在图像传感器上的具体位置。通常的初始像素读取步骤是对初始图像进行遍历识别，当图像传感器面阵较大时，识别速度缓慢且需要很大的图像存储量。

发明内容

针对上述问题，本发明的目的是提供一种识别速度快，初始图像存储量小的多孔阵列式太阳敏感器的图像快速识别方法及装置。

为实现上述目的，本发明采取以下技术方案：一种多孔阵列式太阳敏感器的图像快速识别方法，其步骤包括：I)建立二值化匹配模板：根据标准模板图像，建立二值化匹配模板为由1和0组成的12×12行列对称矩阵；将所述二值化匹配模板预置于计算机中；II)图像数据的压缩存储：在第一次启动太阳敏感器时，将初始图像像素数据采用隔行隔列和二进制形式进行压缩存储；存储区域的每个字节A(i)表示连续16个像素信息的集合；III)第一个成像点识别：扫描所述初始图像的存储区域，如果A(i)＝0，则继续向下扫描，直到A(i)>0为止；根据所述二值化匹配模板，第一个成像点与其周围的三个暗点之间的关系为：

P(i)＝(A(i)& A(i+1))‖(A(i)& A(i+64×8))‖(A(i)& A(i+64×8+1))

则识别所述第一个成像点的方程为：

$\left\{\begin{array}{c}A\left(i\right)>0\\ P\left(i\right)=0\end{array}\right.;$

IV)计算第一个成像点在成像点矩阵中的位置：当所述初始图像中损失的成像点个数少于6时，有且仅有一个η值，假设识别出的第一个成像点为6×6成像点矩阵第一行的第η个成像点：

V(η，m，n)＝A(X)＝A(i+2×(-η+m)+n×64×16)                    (1)

R(η，m，n)＝(A(X)& A(X+1))‖(A(X)& A(X+64×8))‖(A(X)& A(X+64×8+1))

当损失的成像点个数少于6时，有且仅有一个η值满足：

$\left\{\begin{array}{c}V(\mathrm{\η},m,n)>0\\ R(\mathrm{\η},m,n)=0\end{array}\right.---\left(2\right)$

其中η、m、n＝0，…，5；V)计算整个成像点矩阵在初始图像中的首位置：所述第一个成像点处在所述初始图像的row_η行：

${\mathrm{row}}_{\mathrm{\η}}=\mathrm{floor}\left[\frac{i\×2}{64}\right]=\mathrm{floor}\left[\frac{i}{32}\right]$

其中，floor[x]表示不超过x的最大整数；同理所述第一个成像点处在所述初始图像的col_n列：

${\mathrm{col}}_{\mathrm{\η}}=(i-32\×{\mathrm{row}}_{\mathrm{\η}})\×16+2{\log }_2^{A\left(i\right)}$

综上可知整个成像点矩阵在所述初始图像中的首位置(row₀，col₀)为：

row₀＝row_η

col₀＝col_η-32×η

VI)计算初始像素读取时成像点矩阵中心位置：根据所述整个成像点矩阵初始图像的首位置(row₀，col₀)，计算出初始像素读取时成像点矩阵中心位置(x₁，y₁)。

所述步骤I)中，将所述标准模板图像上成像点质心所在的像素位置定义为1，相邻成像点之间的其他像素作为暗点，定义为0。

所述二值化匹配模板正常使用的条件是：成像点矩阵四周的行和列不能完全丢失。

一种多孔阵列式太阳敏感器的图像快速识别装置，其特征在于：它包括光引入器、图像传感器、接口电路和计算机；所述光引入器的窗口由抗辐照石英玻璃基底、60dB太阳光衰减层和含有6×6阵列式透光孔的太阳光线遮挡层依次排列组成；所述图像传感器可进行窗口曝光和随机读取；所述接口电路将所述图像传感器输出的图像信息输入所述计算机中进行计算；在所述图像传感器上，每个透光孔的成像点为正方形，大小为3×3像素，相邻成像点之间的行距和列距皆为32个像素。

所述图像传感器为APS CMOS图像传感器。

本发明由于采取以上技术方案，其具有以下优点：1、本发明在初始像素读取步骤中，图像数据的压缩存储步骤，使初始图像提取时的寻址速度将比原来未压缩数据快32倍，数据的存储量更降低为原来未压缩数据的1/32。2、本发明在图像数据的压缩存储步骤中使用了像素的隔行隔列和二值化的存储方式，在识别太阳成像点矩阵在初始图像中的首位置时，克服了由于大面阵图像传感器导致的识别速度缓慢且需要很大图像存储量的缺点，同时还可以大大提高太阳敏感器的环境适应性，保证系统即使在丢失某些像点的情况下，仍可以识别出第一个成像点的准确位置。本发明的优化方法可广泛用于多孔阵列式APS太阳敏感器，对太阳敏感器的识别效率有很大提高。

附图说明

图1是单孔式太阳敏感器的成像原理示意图

图2是本发明的光引入器结构示意图

图3是本发明的图像传感器的成像点图像

图4是本发明二值化匹配模板示意图

具体实施方式

下面结合附图和实施例对本发明进行详细的描述。

如图2所示，本发明的主动像元传感器(APS，Actel Pixels Sensor)太阳敏感器是多孔阵列式，它包括光引入器1，图像传感器2，接口电路(图中未示出)和计算机(图中未示出)。本发明光引入器1的窗口由抗辐照石英玻璃基底、60dB太阳光衰减层和含有6×6阵列式透光孔3的太阳光线遮挡层依次排列组成，用于产生光斑阵列图像。图像传感器2为与光引入器1具有一定距离的APS CMOS图像传感器2，其具有较大面阵，并可进行窗口曝光和随机读取，用于输出光斑阵列图像的各像素灰度值，并且每个像素具有至少60dB的动态范围。在图像传感器2上，每个透光孔3的成像点4为正方形，大小为3×3像素，相邻透光孔3成像点4之间的行距和列距皆为32个像素。接口电路用于将图像传感器2输出的图像信息输入太阳敏感器的计算机中进行计算。

如图3所示，根据平行光成像原理，太阳光线在图像敏感器2上成像的相对位置与光引入器1上透光孔3的相对位置相同，这一特性是阵列式APS太阳敏感器提取算法的基础，因此可以得到在图像传感器2上6×6太阳成像点矩阵的成像点4之间行距和列距皆为32个像素。每个透光孔3在图像传感器2上的成像点大小理论上也为3×3个像素，同时考虑到光线的衍射以及图像传感器2上感光像素之间的串扰，每个成像点4在图像传感器2上的大小不超过5×5个像素。因此，本发明的太阳敏感器，所有太阳成像点4在图像传感器2上的大小不超过165×165像素区域。

在“一种高精度APS太阳敏感器及其实现方法”中，阵列式APS太阳敏感器实现航天器姿态测量的简要步骤如下：

1)获取标准模板图像

在实验室中模拟真实运行环境，使模拟太阳光垂直射入太阳敏感器的光引入器，此时图像传感器采集到的图像作为标准模板图像；标准模板图像包括一个6×6成像点矩阵；根据标准模板图像的成像点4的像素的灰度值，计算标准模板图像的成像点矩阵的质心位置(x₀，y₀)；

2)真实环境中成像点矩阵图像的局部读取

a)第一次启动太阳敏感器时，对图像传感器采集到的初始图像进行遍历查找，记录初始像素读取时成像点矩阵中心位置(x₁，y₁)；

b)在初始像素读取后，根据上一次确定的成像点矩阵中心位置(x₁，y₁)确定当前时刻t太阳敏感器更新时的成像点预测区域，记录各成像点预测区域的中心位置(x_k，y_k)，k＝1，…，6×6；

c)根据各成像点预测区域的中心位置(x_k，y_k)，对每个成像点预测区域进行局部成像和图像读出，提取当前时刻t的成像点预测区域图像；

3)成像点矩阵图像相关运算和相关结果质心运算

i)对成像点预测区域图像的每个成像点4的像素的灰度值与标准模板图像的每个成像点4的像素的灰度值，进行相关运算，得到相关矩阵；

ii)对相关矩阵进行质心运算，得到成像点4的质心(x′_k，y′_k)，进而通过加权均值滤波得到成像点矩阵的相对质心(x_c，y_c)；

iii)根据成像点矩阵中心位置(x₁，y₁)和成像点矩阵的相对质心(x_c，y_c)，得到当前时刻t成像点矩阵的质心精确位置：

x_t＝x₁+x_c

y_t＝y₁+y_c

4)计算太阳光入射角

根据成像点矩阵的质心精确位置(x_t，y_t)和成像点矩阵的质心位置(x₀，y₀)，计算当前时刻t太阳光相对于太阳敏感器的入射角α_t，β_t：

${\mathrm{\α}}_t={\tan }^{-1}\left(\frac{-(x_t-{\stackrel{\‾}{x}}_0)}{f}\right)={\tan }^{-1}\left(\frac{-({\stackrel{\‾}{x}}_1+x_c-{\stackrel{\‾}{x}}_0)}{f}\right)$

${\mathrm{\β}}_t={\tan }^{-1}\left(\frac{-(y_t-{\stackrel{\‾}{y}}_0)}{f}\right)={\tan }^{-1}\left(\frac{-({\stackrel{\‾}{y}}_1+y_c-{\stackrel{\‾}{y}}_0)}{f}\right)$

其中，f为太阳敏感器的更新频率。

上述步骤a)中，从初始像素读取时图像传感器2输出的图像上提取像点矩阵中心位置(x₁，y₁)是采用对初始图像按照隔行隔列像素进行遍历识别的方法实现的。本发明的大面阵的图像传感器2在提高单个像素分辨率的同时，由于识别速度缓慢且需要很大的图像存储量，因此增加了整体计算的工作量和工作时间。本发明基于根据上述的阵列式光引入器1的结构特点，只要识别出成像点矩阵首位置，则可推出整个成像点矩阵中心位置(x₁，y₁)。因此在步骤a)中采用图像快速识别方法，通过识别成像点矩阵的首位置，来对整个成像点矩阵中心位置(x₁，y₁)进行识别，从而提高系统的处理速度，也为后续步骤中的预测区域跟踪算法和图像相关算法提供了保证。图像快速识别方法步骤如下：

I)建立二值化匹配模板

如图4所示，根据本发明的光引入器1的结构特点，将标准模板图像上每个成像点4质心所在的像素位置定义为“1”。如果标准模板图像上的每个成像点都有效，就可以得到6×6个成像点，即36个“1”。在相邻成像点4之间的其他像素都看作为暗点，定义为“0”。因此可将成像点矩阵区域划分为一个12×12区域，这样在图像上一共可以得到12×12-36＝108个“0”。综上可得到二值化匹配模板为由“1”和“0”组成的12×12二值化矩阵模板，将二值化匹配模板预置于计算机中。

II)图像数据的压缩存储

在第一次启动太阳敏感器时图像传感器2在对太阳成像点进行曝光成像后，为实现成像点矩阵区域的快速提取，同时减小计算机的存储数据量，本发明采用对初始图像进行压缩存储的方式。将提取初始图像像素数据采用隔行隔列和二进制形式进行压缩存储：首先隔行隔列提取曝光成像后的初始图像像素。之后对提取后的图像像素进行二值化处理，设定像素灰度值的阈值为T，当像素的灰度值大于T时，记作“1”；否则记作“0”。其次将压缩存储后的连续8个像素的数据组成一个8比特的二进制数存储到一个字节A(i)中；A(i)＝0表示A(i)中的像素不存在成像点，A(i)>0，表示A(i)中的像素存在成像点。由于采取隔行隔列方式，数据的存储量降低为原来未压缩数据的1/4，再加上二进制形式的存储，数据的存储量更降低为原来未压缩数据的1/32。以Star1000图像传感器为例，其采集的初始图像包含1024K像素，采用图像数据隔行隔列的二进制形式存储，存储数据量为32K字节，存储在计算机的一个32K的存储区域中。设压缩后图像存储区域的首地址为A，则A(0)表示存储区域的第一个字节，即第一个8比特二进制数，由于隔列存储，每个字节A(i)表示横向连续16个像素信息的集合。基于本发明的隔行隔列和二进制的压缩存储方式，本实施例中初始图像的每行数据简化为1024/2/8＝64个字节，即A(0)～A(63)表示Star1000传感器的第一行的像素的数据。由于隔行存储，A(64)表示Star1000传感器的第三行的前16个像素的数据。综上所述，基于图像数据的隔行隔列和二值化的压缩存储方式，因此在初始图像提取时的寻址速度将比原来未压缩数据快8倍，数据的存储量更降低为原来未压缩数据的1/32。

III)识别出第一个成像点

初始图像数据的压缩存储结束后，则进行第一个成像点识别。首先逐行扫描初始图像的存储区域，由于成像点图像的大部分是暗点，因此识别第一个判别单元的过程可以归结为识别第一个成像点的过程。假定提取出的数据为A(i)，A(i)＝0，…，255，如果A(i)＝0，则表示A(i)中的像素不存在成像点，之后继续向下扫描，直到A(i)>0，表示A(i)中的像素存在成像点为止。根据步骤I)中二值化匹配模板，行方向相邻两个成像点之间相差32个像素，即在图像存储区域中，相差两个字节。这就表明在这两个成像点之间存在一个暗字节，这一存储结果正好和图4的二值化匹配模板相对应。同样，在行方向相邻暗点和成像点相差16行，则在压缩存储区域中相差64×8个字节。如图4中，第一个成像点与其周围的三个暗点之间的关系可以通过下式来表示：

P(i)＝(A(i)& A(i+1))‖(A(i)& A(i+64×8))‖(A(i)& A(i+64×8+1))  (1)

其中，&表示按位与运算，‖表示按位或运算。如果P(i)＝0则表示找到第一个成像点。即识别第一个成像点的方程如下：

$\left\{\begin{array}{c}A\left(i\right)>0\\ P\left(i\right)=0\end{array}\right.---\left(2\right)$

IV)计算第一个成像点在成像点矩阵中的位置

当识别出第一个成像点后，即可通过简单的逻辑来识别其它的成像点。由于本发明在步骤I)中采用的二值化匹配模板是行列对称矩阵，此模板能够正常使用的条件是：成像点矩阵四周的行和列不能够完全丢失，否则无法判断。但是，6×6成像点矩阵的中，由于小孔堵塞、坏像素等因素，可以允许损失5个成像点而不会对系统产生影响。根据图像传感器2的顺序扫描方式，在步骤I)中识别出的第一个成像点的判别单元肯定是6×6个成像点矩阵中第一行的6个成像点之一。假设最坏情况是第一行中的前5个成像点丢失，这样对于第一个成像点判断就形成了6种情况，需要分别对这6种情况进行判断。成像点之间的行距为32个像素，考虑到隔行存储的条件，相邻两行的对应点在图像上相距1024×32个像素，在存储器中则相距64×16＝512个字节，同一行相邻的两个成像点在存储器中相距2个字节。再根据行列关系，判别出成像点矩阵的其他区域，判别准则依然是方程(2)。

假设上述识别的第一个成像点为成像点矩阵第一行中的第η个成像点时，此时获得所有成像点的判别公式归纳如下：

V(η，m，n)＝A(X)＝A(i+2×(-η+m)+n×64×16)

                                                                    (3)

R(η，m，n)＝(A(X)& A(X+1))‖(A(X)& A(X+64×8))‖(A(X)& A(X+64×8+1))

其中η＝0，…，5，分别表示第一行的6个成像点判区域之一，m、n＝0，…，5表示6×6个成像点。V(η，m，n)表示当识别出的第一个成像点为所述成像点矩阵中第一行的第η个成像点时，成像点(m，n)是否有效的判别值。R(η，m，n)表示第一个成像点为为所述成像点矩阵中第一行的第η个成像点时，成像点(m，n)为成像点或暗点的关系值。

依照方程(2)我们可以作如下的判断，在初始图像的36个成像点中，当损失的成像点个数少于6时，有且仅有一个η值满足在η，m，n＝0，…，5时，至少存在31组关系式满足如下方程：

$\left\{\begin{array}{c}V(\mathrm{\η},m,n)>0\\ R(\mathrm{\η},m,n)=0\end{array}\right.---\left(4\right)$

综上所述，可以确认识别出的第一个成像点为第一行的第η个成像点。

V)计算整个成像点矩阵在初始图像中的首位置

确定第一行的第η个成像点对应像素处在初始图像的行和列坐标：根据步骤II)中图像数据的压缩存储方法，初始图像每一行的像素存储在64个字节之内，并且压缩后的图像进隔行隔列存储。根据步骤III，第η个成像点在A(i)中，可以判断第η个成像点位置处在初始图像的row_η行：

${\mathrm{row}}_{\mathrm{\η}}=\mathrm{floor}\left[\frac{i\×2}{64}\right]=\mathrm{floor}\left[\frac{i}{32}\right]$

其中，函数floor[x]表示不超过x的最大整数。同时可以判断出第η个成像点处在初始图像的col_η列：

${\mathrm{col}}_{\mathrm{\η}}=(i-32\×{\mathrm{row}}_{\mathrm{\η}})\×16+2{\log }_2^{A\left(i\right)}$

综上可知第一个成像点应该处在初始图像上的行和列，即整个成像点矩阵在初始图像中的首位置(row₀，col₀)为：

row₀＝row_η

col₀＝col_η-32×η

VI)计算初始像素读取时成像点矩阵中心位置

根据整个成像点矩阵在初始图像中的首位置(row₀，col₀)，计算出初始像素读取时成像点矩阵中心位置(x₁，y₁)。继而根据成像点矩阵中心位置(x₁，y₁)确定当前时刻t太阳敏感器更新时的成像点预测区域，提取当前时刻t的成像点预测区域图像。进而进行成像点矩阵图像相关运算和相关结果质心运算等步骤。最终完成太阳光入射角的计算。

本发明的多孔阵列式太阳敏感器的图像快速识别方法，克服了由于大面阵图像传感器2导致的识别速度缓慢且需要很大图像存储量的缺点，同时还可以大大提高太阳敏感器的环境适应性，保证系统即使在丢失某些像点的情况下，仍可以识别出第一个成像点的准确位置。本发明的优化方法可广泛用于多孔阵列式APS太阳敏感器，在原有技术的基础上对太阳敏感器的识别效率有很大提高。

Claims (6)

1、一种多孔阵列式太阳敏感器的图像快速识别方法，其步骤包括：

I)建立二值化匹配模板：

根据标准模板图像，建立二值化匹配模板为由1和0组成的12×12行列对称矩阵；将所述二值化匹配模板预置于计算机中；

II)图像数据的压缩存储：

在第一次启动太阳敏感器时，将初始图像像素数据采用隔行隔列和二进制形式进行压缩存储；存储区域的每个字节A(i)表示连续16个像素信息的集合；

III)第一个成像点识别：

扫描所述初始图像的存储区域，如果A(i)＝0，则继续向下扫描，直到A(i)>0为止；根据所述二值化匹配模板，第一个成像点与其周围的三个暗点之间的关系为：

P(i)＝(A(i)&A(i+1))||(A(i)&A(i+64×8))||(A(i)&A(i+64×8+1))则识别所述第一个成像点的方程为：

$\left\{\begin{array}{c}A\left(i\right)>0\\ P\left(i\right)=0\end{array}\right.;$

IV)计算第一个成像点在成像点矩阵中的位置：

当所述初始图像中损失的成像点个数少于6时，有且仅有一个η值，假设识别出的第一个成像点为6×6成像点矩阵第一行的第η个成像点：

V(η，m，n)＝A(X)＝A(i+2×(-η+m)+n×64×16)         (1)

R(η，m，n)＝(A(X)&A(X+1))||(A(X)&A(X+64×8))||(A(X)&A(X+64×8+1))

当损失的成像点个数少于6时，有且仅有一个η值满足：

$\left\{\begin{array}{c}V(\mathrm{\η},m,n)>0\\ R(\mathrm{\η},m,n)=0\end{array}\right.---\left(2\right)$

其中η、m、n＝0，…，5；

V)计算整个成像点矩阵在初始图像中的首位置：

所述第一个成像点处在所述初始图像的row_η行：

${\mathrm{row}}_{\mathrm{\η}}=\mathrm{floor}\left[\frac{i\×2}{64}\right]=\mathrm{floor}\left[\frac{i}{32}\right]$

其中，floor[x]表示不超过x的最大整数；同理所述第一个成像点处在所述初始图像的col_η列：

${\mathrm{col}}_{\mathrm{\η}}=(i-32\×{\mathrm{row}}_{\mathrm{\η}})\×16+{2\log }_2^{A\left(i\right)}$

综上可知整个成像点矩阵在所述初始图像中的首位置(row₀，col₀)为：

row₀＝row_η

col₀＝col_η-32×η

VI)计算初始像素读取时成像点矩阵中心位置：

根据所述整个成像点矩阵初始图像的首位置(row₀，col₀)，计算出初始像素读取时成像点矩阵中心位置(x₁，y₁)。

2、如权利要求1所述的一种多孔阵列式太阳敏感器的图像快速识别方法，其特征在于：所述步骤I)中，将所述标准模板图像上成像点质心所在的像素位置定义为1，相邻成像点之间的其他像素作为暗点，定义为0。

3、如权利要求1或2所述的一种多孔阵列式太阳敏感器的图像快速识别方法，其特征在于：所述二值化匹配模板正常使用的条件是：成像点矩阵四周的行和列不能完全丢失。

4、如权利要求2所述的一种多孔阵列式太阳敏感器的图像快速识别方法，其特征在于：所述二值化匹配模板正常使用的条件是：成像点矩阵四周的行和列不能完全丢失。

5、一种如权利要求1或2或3或4所述的多孔阵列式太阳敏感器的图像快速识别装置，其特征在于：它包括光引入器、图像传感器、接口电路和计算机；所述光引入器的窗口由抗辐照石英玻璃基底、60dB太阳光衰减层和含有6×6阵列式透光孔的太阳光线遮挡层依次排列组成；所述图像传感器可进行窗口曝光和随机读取；所述接口电路将所述图像传感器输出的图像信息输入所述计算机中进行计算；在所述图像传感器上，每个透光孔的成像点为正方形，大小为3×3像素，相邻成像点之间的行距和列距皆为32个像素。

6、如权利要求5所述的一种多孔阵列式太阳敏感器的图像快速识别装置，其特征在于：所述图像传感器为APS CMOS图像传感器。

Images