CN105046713A - 一种基于形态学的鲁棒的星点分割方法与fpga实现装置 - Google Patents
一种基于形态学的鲁棒的星点分割方法与fpga实现装置 Download PDFInfo
- Publication number
- CN105046713A CN105046713A CN201510494592.1A CN201510494592A CN105046713A CN 105046713 A CN105046713 A CN 105046713A CN 201510494592 A CN201510494592 A CN 201510494592A CN 105046713 A CN105046713 A CN 105046713A
- Authority
- CN
- China
- Prior art keywords
- asterism
- module
- star
- fpga
- segmentation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
Abstract
本发明公开了一种基于形态学的星点目标分割的方法与FPGA实现装置,该方法利用了边缘结构元素保留小目标的特性及开运算抑制噪声的特性,根据星点特征以及不同干扰的特征,定义了一种新的星点分割方法,用三种不同的结构元素对图像同时进行开运算及新型闭运算,再用新型闭运算结果减去两种运算结果的较小值,将相减结果大于零处的像素坐标对应原图中的星点提取出来,实现星点的完整分割。本发明能够抑制星图不同种类的干扰并提取星点,能够实现暗星和亮星的准确分割,提高质心精度,充分利用FPGA在并行流水线运算体系结构设计中的优势,采用并行流水线体系结构组织星点分割算法中的运算模块,大幅提高运算速度,降低系统处理所需时间。
Description
技术领域
本发明涉及星图处理的技术领域,具体涉及一种基于形态学的鲁棒的星点分割方法与FPGA实现装置。
背景技术
航天器的姿态信息在天文导航中起到很重要的作用,星敏感器是测量航天器姿态的重要技术手段。星敏感器的工作原理是利用CCD或CMOS相机在某一时刻拍摄到的星图,提取出星图中星点的位置信息,通过星图识别算法在导航星库中找到观测星的对应匹配,最后利用这些匹配星对的方向矢量信息计算出星敏感器三轴姿态,从而确定航天器的空间姿态。星图中包含星点以及不同种类的干扰,如噪声,杂光等。如果未能排除干扰,则无法准确的分割出星点,从而影响姿态的精度。星点质心的精度是星敏感器整体精度的基础,它直接决定了星图识别的姿态测量精度,所以排除星图中的干扰,准确的分割星点是星点质心精度的保证。
传统的星点分割的方法为全局阈值法。但是全局阈值只适用于光照均匀,没有杂光干扰的星图,对光照不均,含有月光或鬼影的星图,全局阈值无法去除杂光的干扰,从而无法准确的分割星点。现有的局部阈值方法虽然能够抑制光照不均匀对分割结果的影响,但对星点周边低灰度值的像素保留较差,星点分割的不完整,从而无法保证质心精度。星图分割中,可采用最大值和最小值的均值的方法确定自适应阈值,但该方法对噪声抑制能力差,易将图像中的噪声或杂点当作星点分割,并且无法完整的去除月光的干扰。
由于星敏感器对数据更新率要求较高,因此星图分割的实时实现非常重要。为了保证星图分割的实时性,则需要提高系统的快速处理能力和数据吞吐能力。FPGA是并行处理结构,可同时进行不同性质的运算,可在一个时钟内迅速的完成一次复杂运算,因此采用FPGA实现星图分割方法,可以提高系统处理速度,满足实时性要求。目前,在抑制不同干扰下星图的分割方面研究较少。
发明内容
本发明一种基于形态学的鲁棒的星点分割方法及FPGA实现装置,主要是解决以下几部分问题:
(1)针对不同干扰下星点的分割,目前研究较少,而传统的阈值分割方法,无法适用于月亮干扰下星点的准确分割。
(2)当星图中出现光照不均,高噪声等不同种类的干扰时,传统的阈值分割方法无法完好的抑制这些干扰,并完整的分割星点。
(3)现有的星点的分割方法,主要针对的是星图中亮星点的分割,无法分割出星图中的暗星点,且分割不够完整。
(4)由于星敏感器对数据更新率要求较高,需要提升系统处理速度以满足实时性要求。
本发明采用的技术方案为:一种基于形态学的鲁棒的星点分割方法,该方法步骤如下:
首先,用较小的结构元素BS对原图进行开运算,得到开运算结果,由于BS小于星点尺寸,所以开运算不能把星点去除,同时也对月光及噪声部分起了平滑的作用;
其次,用较大的边缘结构元素BM对原图进行膨胀运算,之后利用实心结构元素BE进行腐蚀运算,得到新型闭运算结果,在星点区域,星点的灰度大于周围噪声;
最后,用开运算结果减去开运算结果和新型闭预算结果的较小值,然后像素坐标对应原图中的星点提取出来,则星点的像素得以完整分割,并且去除了噪声的干扰。
本发明另外提供一种基于形态学的鲁棒的星点分割的FPGA实现装置,其特征在于:包括利用FPGA实现的保留小目标的新型闭运算、抑制噪声的开运算模块以及数据处理三个模块,由于前两个模块之间的并行性,采用FPGA并行流水线结构可以提升该FPGA实现装置处理速度,由于两个模块同时处理,该FPGA实现装置处理时间由其中耗时最长的模块决定,在两个模块内部,又包含数个小的模块,它们通过并行流水线结构进行处理,以降低系统运行所需时间,其中,新型闭运算模块依次包括膨胀运算模块和腐蚀运算模块,膨胀运算模块包括提取星点膨胀窗口生成模块和BM膨胀运算模块,腐蚀运算模块包括提取星点腐蚀行窗口生成模块、腐蚀列窗口生成模块和BE腐蚀运算模块,开运算模块依次包括去噪腐蚀窗口生成模块、BS腐蚀运算模块、去噪膨胀窗口生成模块、BS膨胀运算模块。
进一步的,该FPGA实现装置中,由于结构元素BM无法分解,所以新型闭运算模块中的膨胀模块采用n×n大小的窗口,通过从左到右,从上到下滑动的方式,进行最大值滤波,膨胀运算中采用(n-1)个大小和图像宽度相等的先进先出缓存器(FIFO)来缓存(n-1)行以数据流形式逐个时钟进入的图像数据以生成n×n的窗口,选取窗口中环形区域的4(n-1)个像素,经树状流水线比较器得到最大值,得到膨胀结果,再将膨胀模块与腐蚀模块连接,得到新型闭运算结果。
本发明与现有技术相比,其优点和有益效果是:
(1)、本发明能够完全抑制星图不同种类的干扰并提取星点。
(2)、本发明能够实现暗星和亮星的准确分割,提高质心精度。
(3)、本发明充分利用FPGA在并行流水线运算体系结构设计中的优势,采用并行流水线体系结构组织星点分割算法中的运算模块,大幅提高运算速度,降低系统处理所需时间。
附图说明
图1为本发明结构元素定义示意图;
图2为星图中星点及月光干扰示意图;
图3(a)为星点处理示意图,图3(b)为杂光处理示意图;
图4为FPGA硬件实现整体结构;
图5为分离式形态学运算模块;
图6为滑动窗口运算结构;
图7为树状流水线最大值滤波器;
图8为对月亮的抑制结果,其中a为源图像,b为分割后的结果;
图9为对星点的分割结果,其中a为源图像,b为分割后的结果;
图10为高斯噪声对星点精度的影响。
具体实施方式
下面结合附图以及具体实施方式进一步说明本发明。
1.算法描述
定义两个扁平的方形结构元素,BMi和BMo。使D(B)表示结构元素B的尺寸,即方形结构元素的边长。其中D(BMi)<D(BMo)。设BM为BMi和BMo之间的方形环状边缘区域,设d(BM)为边缘结构元素的宽度,则BE是扁平方形结构元素,且D(BMo)>D(BE)。定义扁平结构元素BS,其中BS的尺寸大于杂点和噪声,但小于目标的尺寸,即D(BS)<D(BMi)。BM,BS,BE,BMi,BMo的关系如图1所示。
真实的星点与背景噪声区域存在差异,星点区域灰度起伏较大,并且为较大尺寸的亮斑,星点周围的噪声灰度起伏相对较小;杂光区域的灰度较高,并且起伏较小;由高温引起的噪声灰度起伏较大,并且包含高灰度的单点噪声或小尺寸的亮斑。为此,定义新型星点分割方法NSTS(NewStarTargetSegmentation)为:
K(x,y)=I(x,y)οBS(1)
R(x,y)=K(x,y)-min(K(x,y),N(x,y))(3)
式中:I(x,y)为原始图像,K(x,y)为结构元素BS对I(x,y)做开运算的结果,N(x,y)为边缘结构元素BM对做膨胀运算后用结构元素BE对I(x,y)做腐蚀运算的结果,R(x,y)为K(x,y)减去K(x,y)与N(x,y)的较小值,最后将R(x,y)中灰度值大于零的像素灰度替换为I(x,y)对应坐标中的灰度值。
以包含月光的星图为例,图中包含月光及噪声的干扰,以及星点,如图2所示。其中星点区域灰度起伏较大,并且为较大尺寸的亮斑,星点周围的噪声灰度起伏相对较小,有单点噪声;月光区域的灰度较高,并且起伏较小。
本文算法处理示意图如图3所示,星点及月光灰度曲线原图I(x,y),开运算结果K(x,y),新型闭运算结果N(x,y)。
首先用较小的结构元素BS对原图I(x,y)进行开运算,得到K(x,y),由于D(BS)小于星点尺寸,所以开运算不能把星点去除,同时也对月光及噪声部分起了平滑的作用,根据开运算的性质,并且有K(x,y)≤I(x,y)。
用较大的边缘结构元素BM对图像I(x,y)进行膨胀运算,之后利用实心结构元素BE进行腐蚀运算,得到N(x,y)。在星点区域,N(x,y)为噪声区域的灰度值,因为星点的灰度大于周围噪声,所以在该范围有,N(x,y)<I(x,y),而在月光区域有N(x,y)>K(x,y)。
最后用K(x,y)减去K(x,y)和N(x,y)的较小值,因为噪声区域及月光区域内有N(x,y)>K(x,y),所以噪声区域内R(x,y)=0。因为星点区域N(x,y)<K(x,y),所以R(x,y)>0。然后将图像R(x,y)中灰度大于0的像素值的坐标与替换为I(x,y)对应坐标中的灰度值,则星点的像素得以保留,并且去除了月光及周围噪声的干扰。
2.FPGA实现装置
星点分割方法主要包括保留小目标的新型闭运算和抑制噪声的开运算两个模块,硬件实现总体框架如图4所示。由于两个模块之间的并行性,采用FPGA并行流水线结构可以提升系统处理速度。由于两个模块同时处理,系统处理时间由其中耗时最长的模块决定。在两个模块内部,又包含数个小的模块,它们通过并行流水线结构进行处理,以降低系统运行所需时间。具体细节如下所示。
开运算模块中的结构元素为3×3的方形结构元素 可以将其分解成两个一维的结构元素Bsv[111]T和Bsh[111]。
则膨胀和腐蚀运算可以改写成:
fΘBs=(fΘBsv)ΘBsh(6)
根据以上推导,设计了如图5所示的行列分离式形态学滤波器结构。首先用2个与图像宽度相等的移位寄存器对数据进行缓存,前2行数据缓存完毕后,与输入的第3行数据构成3×1的列数据窗口,经过3输入树状流水线最小值滤波器获得该列图像的最小值,即fΘBE的运算结果。串行输出的列运算结果经过深度为2的移位寄存器缓存后,把3个结果并行输出到另一个3输入树状流水线最小值滤波器,即可得到(fΘBsv)ΘBsh也就是f与Bs的腐蚀运算结果。膨胀运算模块与腐蚀运算模块结构相同,只需把内部比较器的符号从“小于”变成“大于”即可。把腐蚀运算模块和膨胀运算模块连接起来,就可以得到开运算模块,即K(x,y)。同理可应用于新型闭运算模块中的fΘBE的腐蚀模块,其中BE为11×11的方形结构元素。
由于结构元素BM无法分解,所以新型闭运算模块中的膨胀模块采用11×11大小的窗口,通过从左到右,从上到下滑动的方式,进行最大值滤波,如图6所示。膨胀运算中采用10个大小和图像宽度相等的先进先出缓存器(FIFO)来缓存10行以数据流形式逐个时钟进入的图像数据以生成11×11的窗口,选取窗口中环形区域的40个像素,经树状流水线比较器得到最大值,如图7所示,得到膨胀结果。再将膨胀模块与腐蚀模块连接,得到N(x,y)。
本发明提出不同干扰下星点准确提取方法及其FPGA实现装置,充分考虑了星敏感器恒星和不同干扰及光电探测器数字成像的特点,由新型比运算和开运算两个部分组成。本发明将星点分割的所有工作全部采用FPGA实现,功耗低、小型化、系统设计简洁,能充分发挥其并行流水线计算优势,满足实时性要求。
3.实施例效果
采用本发明能够处理不同干扰的星图,完全抑制干扰的影响,准确的分割出亮星点和暗星点。为了验证本分割方法对星点分割的准确性,针对不同干扰下的实际星图和仿真星图两类图像,我们在PC上进行了一系列仿真测试。测试的具体内容如下:
为了验证本方法对实际星图中星点分割的完整性以及对月亮的抑制能力,我们将星图中突变的月亮和各类星点分别进行展示。最终得到的结果如图8、9所示,其中a为源图像,b为本方法分割结果。
为验证本文算法抗噪声的能力及星点分割的精度,仿真不含噪声的4等星的星图,分别加入σn从0.001到0.01的高斯噪声,用本文算法分割星点,计算质心定位精度,如图10所示。从图中可以看出由于本文算法抑制噪声能力较强,并且可以完整的分割星点,所以在高斯噪声σn较大时依然能分割星点,并保证较高的精度。
Claims (3)
1.一种基于形态学的鲁棒的星点分割方法,其特征在于:该方法步骤如下:
首先,用较小的结构元素BS对原图进行开运算,得到开运算结果,由于BS小于星点尺寸,所以开运算不能把星点去除,同时也对月光及噪声部分起了平滑的作用;
其次,用较大的边缘结构元素BM对原图进行膨胀运算,之后利用实心结构元素BE进行腐蚀运算,得到新型闭运算结果,在星点区域,星点的灰度大于周围噪声;
最后,用开运算结果减去开运算结果和新型闭预算结果的较小值,然后像素坐标对应原图中的星点提取出来,则星点的像素得以完整分割,并且去除了噪声的干扰。
2.一种基于形态学的鲁棒的星点分割的FPGA实现装置,其特征在于:包括利用FPGA实现的保留小目标的新型闭运算、抑制噪声的开运算模块以及数据处理三个模块,由于前两个模块之间的并行性,采用FPGA并行流水线结构可以提升该FPGA实现装置处理速度,由于两个模块同时处理,该FPGA实现装置处理时间由其中耗时最长的模块决定,在两个模块内部,又包含数个小的模块,它们通过并行流水线结构进行处理,以降低系统运行所需时间,其中,新型闭运算模块依次包括膨胀运算模块和腐蚀运算模块,膨胀运算模块包括提取星点膨胀窗口生成模块和BM膨胀运算模块,腐蚀运算模块包括提取星点腐蚀行窗口生成模块、腐蚀列窗口生成模块和BE腐蚀运算模块,开运算模块依次包括去噪腐蚀窗口生成模块、BS腐蚀运算模块、去噪膨胀窗口生成模块、BS膨胀运算模块。
3.根据权利要求2所述的一种基于形态学的鲁棒的星点分割的FPGA实现装置,其特征在于:该FPGA实现装置中,新型闭运算模块中的膨胀模块采用n×n大小的窗口,通过从左到右,从上到下滑动的方式,进行最大值滤波,膨胀运算中采用(n-1)个大小和图像宽度相等的先进先出缓存器(FIFO)来缓存(n-1)行以数据流形式逐个时钟进入的图像数据以生成n×n的窗口,选取窗口中环形区域的4(n-1)个像素,经树状流水线比较器得到最大值,得到膨胀结果,再将膨胀模块与腐蚀模块连接,得到新型闭运算结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510494592.1A CN105046713A (zh) | 2015-08-12 | 2015-08-12 | 一种基于形态学的鲁棒的星点分割方法与fpga实现装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510494592.1A CN105046713A (zh) | 2015-08-12 | 2015-08-12 | 一种基于形态学的鲁棒的星点分割方法与fpga实现装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105046713A true CN105046713A (zh) | 2015-11-11 |
Family
ID=54453231
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510494592.1A Pending CN105046713A (zh) | 2015-08-12 | 2015-08-12 | 一种基于形态学的鲁棒的星点分割方法与fpga实现装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105046713A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105551002A (zh) * | 2015-12-17 | 2016-05-04 | 重庆大学 | 一种图像形态学滤波方法 |
CN106780487A (zh) * | 2017-01-16 | 2017-05-31 | 广东容祺智能科技有限公司 | 一种基于opencv的电力巡线中鸟窝自动识别归档系统 |
CN107229924A (zh) * | 2017-06-29 | 2017-10-03 | 华中科技大学鄂州工业技术研究院 | 用于形态学腐蚀滤波的硬件电路 |
CN107358597A (zh) * | 2017-05-24 | 2017-11-17 | 上海视马艾智能科技有限公司 | 一种胶点检验方法与装置 |
CN108154462A (zh) * | 2017-12-11 | 2018-06-12 | 北京控制工程研究所 | 一种白昼环境下星图背景的实时滤波方法 |
CN113838072A (zh) * | 2021-11-01 | 2021-12-24 | 江苏集萃智能光电系统研究所有限公司 | 一种高动态星图图像分割方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101567087A (zh) * | 2009-05-25 | 2009-10-28 | 北京航空航天大学 | 复杂天空背景下红外序列图像弱小目标检测与跟踪方法 |
CN103020906A (zh) * | 2012-12-03 | 2013-04-03 | 清华大学 | 一种星敏感器白天测星图像的预处理方法 |
-
2015
- 2015-08-12 CN CN201510494592.1A patent/CN105046713A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101567087A (zh) * | 2009-05-25 | 2009-10-28 | 北京航空航天大学 | 复杂天空背景下红外序列图像弱小目标检测与跟踪方法 |
CN103020906A (zh) * | 2012-12-03 | 2013-04-03 | 清华大学 | 一种星敏感器白天测星图像的预处理方法 |
Non-Patent Citations (5)
Title |
---|
XIANGZHI BAI 等: "Analysis of new top-hat transformation and the application for infrared dim small target detection", 《PATTERN RECOGNITION》 * |
XIANGZHI BAI 等: "New class of top-hat transformation to enhance infrared small targets", 《JOURNAL OF ELECTRONIC IMAGING》 * |
尚海林: "复杂场景下弱小目标检测算法的FPGA实现", 《航空兵器》 * |
白相志 等: "新型Top-hat变换及其在红外小目标检测中的应用", 《数据采集与处理》 * |
陈柏生: "基于BIFs方法的量子目标检测", 《图形、图像与多媒体》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105551002A (zh) * | 2015-12-17 | 2016-05-04 | 重庆大学 | 一种图像形态学滤波方法 |
CN105551002B (zh) * | 2015-12-17 | 2018-04-20 | 重庆大学 | 一种图像形态学滤波方法 |
CN106780487A (zh) * | 2017-01-16 | 2017-05-31 | 广东容祺智能科技有限公司 | 一种基于opencv的电力巡线中鸟窝自动识别归档系统 |
CN107358597A (zh) * | 2017-05-24 | 2017-11-17 | 上海视马艾智能科技有限公司 | 一种胶点检验方法与装置 |
CN107229924A (zh) * | 2017-06-29 | 2017-10-03 | 华中科技大学鄂州工业技术研究院 | 用于形态学腐蚀滤波的硬件电路 |
CN108154462A (zh) * | 2017-12-11 | 2018-06-12 | 北京控制工程研究所 | 一种白昼环境下星图背景的实时滤波方法 |
CN108154462B (zh) * | 2017-12-11 | 2021-07-13 | 北京控制工程研究所 | 一种白昼环境下星图背景的实时滤波方法 |
CN113838072A (zh) * | 2021-11-01 | 2021-12-24 | 江苏集萃智能光电系统研究所有限公司 | 一种高动态星图图像分割方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105046713A (zh) | 一种基于形态学的鲁棒的星点分割方法与fpga实现装置 | |
Heinzler et al. | Cnn-based lidar point cloud de-noising in adverse weather | |
CN104392468B (zh) | 基于改进视觉背景提取的运动目标检测方法 | |
CN107808161B (zh) | 一种基于光视觉的水下目标识别方法 | |
Siriborvornratanakul | An automatic road distress visual inspection system using an onboard in-car camera | |
CN104835177B (zh) | 一种月光干扰下星点分割方法及其fpga实现装置 | |
CN108734690A (zh) | 一种视觉缺陷检测设备及其检测方法 | |
CN103578083B (zh) | 基于联合均值漂移的单幅图像去雾方法 | |
CN104299006A (zh) | 一种基于深度神经网络的车牌识别方法 | |
CN104766344B (zh) | 基于运动边缘提取器的车辆检测方法 | |
CN102944227B (zh) | 一种基于fpga实现实时提取恒星星像坐标的方法 | |
Lian et al. | A novel method on moving-objects detection based on background subtraction and three frames differencing | |
JP2012511756A (ja) | 検出窓走査により画像内の物体を認識および位置特定するためのデータストリームパイプラインアーキテクチャを有する装置 | |
CN112200163B (zh) | 水下底栖生物检测方法及系统 | |
CN102915539A (zh) | 一种基于目标特征构型的位姿测量特征点提取方法 | |
CN101572770A (zh) | 一种可用于实时监控的运动检测方法与装置 | |
CN106846398B (zh) | 一种基于图像行数据扫描的星空目标最大光强位置的识别方法 | |
CN115063428B (zh) | 一种基于深度强化学习的空间暗弱小目标检测方法 | |
Zhou et al. | Image processing: Facilitating retinanet for detecting small objects | |
Vardhan et al. | Automatic detection of orientation of mapped units via directional granulometric analysis | |
Philip | Background subtraction algorithm for moving object detection using denoising architecture in FPGA | |
CN113743487A (zh) | 一种增强型遥感影像目标检测方法及系统 | |
CN106934818A (zh) | 一种手部运动跟踪方法及系统 | |
Duarte et al. | Multiple vessel detection in harsh maritime environments | |
CN113469224A (zh) | 一种基于卷积神经网络与特征描述算子相融合的大米分类方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20151111 |