CN105374035A - 杂光干扰下星敏感器星点提取方法 - Google Patents

Abstract

本发明提供一种杂光干扰下星敏感器星点提取方法。该方法包括：对星图进行滤波处理，得到滤波处理后的像素点的灰度值，根据滤波处理后的像素点的灰度值计算像素点的相对梯度值，根据像素点的相对梯度值确定出候选星点像素和背景像素，从候选星点像素中确定出星点像素。本发明提供的杂光干扰下星敏感器星点提取方法，充分考虑了星点的图像特征，能够在消除杂光背景像素的同时保留尽可能多的星点信息，解决了杂光干扰下传统星点提取算法容易提取出星图中的杂光高频噪声点和易丢失星点中灰度值较低的像素点的问题。

Description

杂光干扰下星敏感器星点提取方法

技术领域

本发明涉及星敏感器技术领域，尤其涉及一种杂光干扰下星敏感器星点提取方法。

背景技术

星敏感器是一种以恒星作为观测基准的高精度飞行器姿态测量敏感器，通过对恒星的观测、识别、计算得到空间飞行器的姿态信息。星敏感器的工作过程主要包括三个过程：星点提取、星图识别和姿态计算。其中，星点提取是星敏感器工作的基础，直接决定着星敏感器的测量精度。

当星敏感器拍摄出的星图未受杂光干扰时，星点像素和背景像素在灰度上区别较大，可用一个全局阈值将星点像素和背景像素有效的区分开来。当星敏感器拍摄出的星图受到杂光干扰时，由于杂光背景像素灰度值与星点像素灰度值接近，因此，全局阈值方法无法有效提取出星点，此时可使用局部阈值方法提取星点。现有的一种杂光干扰下的星敏感器星点提取方法中是采用以像素点为中心的窗口邻域灰度均值加一固定值的方法确定出该像素点的自适应阈值，若该像素点的灰度值大于自适应阈值，则该像素点为星点像素；反之，则为背景像素。

然而，由于杂光高频噪声点的灰度值远远大于其临近像素点的灰度值，因此其灰度值也远远大于采用上述方法确定的自适应阈值，因此该方法会提取出部分杂光高频噪声点。由于星点的部分灰度值较低，其灰度值低于采用上述方法确定的自适应阈值，因此该方法容易丢失星点中灰度值较低的像素点。

发明内容

本发明提供一种杂光干扰下星敏感器星点提取方法，以解决杂光干扰下传统星点提取算法容易提取出星图中的杂光高频噪声点和易丢失星点中灰度值较低的像素点的问题。

本发明提供的杂光干扰下星敏感器星点提取方法，包括：

对星图进行滤波处理，得到滤波处理后的像素点的灰度值；

根据滤波处理后的像素点的灰度值计算像素点的相对梯度值；

根据像素点的相对梯度值确定出候选星点像素和背景像素；

从所述候选星点像素中确定出星点像素。

进一步地，所述对星图进行滤波处理，得到滤波处理后的像素点的灰度值，包括：

通过如下公式计算，得到滤波处理后的星图像素点的灰度值

${I_{i,j}}^{(t+1)}={I_{i,j}}^{\left(t\right)}+\mathrm{\λ}(C_x^{\left(t\right)}{g}_x^{\left(t\right)}+C_y^{\left(t\right)}{g}_y^{\left(t\right)}+C_{-x}^{\left(t\right)}{g}_{-x}^{\left(t\right)}+C_{-y}^{\left(t\right)}{g}_{-y}^{\left(t\right)});$

其中，为当前像素点(i,j)的灰度值，C^(t)为边缘函数，g^(t)为当前像素点的相邻像素点的灰度差，ε的取值范围为[0.001,0.01]，t为预设的循环次数， m_w为以像素点(i,j)为中心的窗口灰度均值，a取值3或4，λ取值范围为[0，1/4]。

进一步地，所述根据滤波处理后的像素点的灰度值计算像素点的相对梯度值，包括：

根据滤波处理后的像素点的灰度值通过如下公式计算，得到像素点的相对梯度值D(i,j)：

$D(i,j)=\frac{G^{\′}(i,j)}{m_w(i,j)+\mathrm{\ϵ}}$

其中，G'(i,j)为滤波处理后像素点(i,j)的梯度幅值，

进一步地，所述根据像素点的相对梯度值确定出候选星点像素和背景像素，包括：

采用迭代法确定星图像素点相对梯度的门限值；

将以相对梯度值大于所述门限值的像素点为中心的(2n+1)×(2n+1)邻域窗口内的所有像素点确定为候选星点像素，剩余像素点确定为背景像素，n为1或2。

进一步地，所述从所述候选星点像素中确定出星点像素，包括：

若所述候选星点像素的灰度值大于自适应阈值T_w(i,j)，则确定所述候选星点像素为星点像素，否则确定为背景像素；

其中，T_w(i,j)＝m_w(i,j)+0.2·σ_w(i,j)，σ_w(i,j)为所述星图中以像素点(i,j)为中心的邻域窗口灰度标准差。

本发明提供的杂光干扰下星敏感器星点提取方法，通过对星图进行滤波处理，得到滤波处理后的像素点的灰度值，进而再计算像素点的相对梯度值、根据像素点的相对梯度值确定出候选星点像素和背景像素从而来区分星点和杂光高频噪声点，为准确提取星点像素，最后从候选星点像素中确定出星点像素，即最终提取出星点像素。充分考虑了星点的图像特征，能够在消除杂光背景像素的同时保留尽可能多的星点信息，因此解决了杂光干扰下传统星点提取算法容易提取出星图中的杂光高频噪声点和易丢失星点中灰度值较低的像素点的问题。

附图说明

为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明杂光干扰下星敏感器星点提取方法实施例一的流程图；

图2为本发明杂光干扰下星敏感器星图中四种类型图像示意图；

图3为滤波前后星点与杂光像素点灰度对比示意图；

图4为月光进入星敏感器视场中星图和星图中第691行每列元素的相对梯度值的示意图；

图5为候选星点像素的两种情况示意图；

图6为杂光像素的实验结果示意图；

图7为星点像素的实验结果示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1为本发明星敏感器星点提取方法实施例一的流程图，如图1所示，本实施例的方法可以包括：

S101、对星图进行滤波处理，得到滤波处理后的像素点的灰度值。

其中，为实现在杂光干扰下的星图中去除杂光高频噪声点并且保留星点像素信息，需要分析杂光干扰下的星图图像特征，如像素点的灰度值I_i,j、像素点的梯度幅值G(i,j)、以像素点为中心的窗口灰度均值 $m_w(i,j),G(i,j)=\sqrt{{g_x}^2+{g_y}^2}.$

具体地，通过如下公式计算，得到滤波处理后的像素点的灰度值

${I_{i,j}}^{(t+1)}={I_{i,j}}^{\left(t\right)}+\mathrm{\λ}(C_x^{\left(t\right)}{g}_x^{\left(t\right)}+C_y^{\left(t\right)}{g}_y^{\left(t\right)}+C_{-x}^{\left(t\right)}{g}_{-x}^{\left(t\right)}+C_{-y}^{\left(t\right)}{g}_{-y}^{\left(t\right)});$

其中，为当前像素点(i,j)的灰度值，C^(t)为边缘函数，g^(t)为当前像素点的相邻像素点的灰度差，ε的取值范围为[0.001,0.01]，t为预设的循环次数， m_w为以像素点(i,j)为中心的窗口灰度均值，a取值3或4，λ取值范围为[0，1/4]。

S102、根据滤波处理后的像素点的灰度值计算像素点的相对梯度值。

具体地，根据滤波处理后的像素点的灰度值通过如下公式计算，得到像素点的相对梯度值D(i,j)：

$D(i,j)=\frac{G^{\′}(i,j)}{m_w(i,j)+\mathrm{\ϵ}}$

其中，G'(i,j)为滤波处理后像素点(i,j)的梯度幅值，

S103、根据像素点的相对梯度值确定出候选星点像素和背景像素。

具体地，采用迭代法确定星图像素点相对梯度的门限值。可采用现有技术中的迭代法确定星图像素点相对梯度的门限值。

接着将以相对梯度值大于门限值的像素点为中心的(2n+1)×(2n+1)邻域窗口内的所有像素点确定为候选星点像素，剩余像素点确定为背景像素，n为1或2。

S104、从候选星点像素中确定出星点像素。

具体地，若候选星点像素的灰度值大于自适应阈值T_w(i,j)，则确定候选星点像素为星点像素，否则确定为背景像素；

其中，T_w(i,j)＝m_w(i,j)+0.2·σ_w(i,j)，σ_w(i,j)为星图中以像素点(i,j)为中心的邻域窗口灰度标准差。

本实施例提供的星敏感器星点提取方法，通过对星图进行滤波处理，得到滤波处理后的像素点的灰度值，进而再计算像素点的相对梯度值、根据像素点的相对梯度值确定出候选星点像素和背景像素从而来区分星点和杂光高频噪声点，为准确提取星点像素，最后从候选星点像素中确定出星点像素，即最终提取出星点像素。充分考虑了星点的图像特征，能够在消除杂光背景像素的同时保留尽可能多的星点信息，因此解决了杂光干扰下传统星点提取算法容易提取出星图中的杂光高频噪声点和易丢失星点中灰度值较低的像素点的问题。

为了验证本发明处理杂光干扰下星敏感器星图时，消除杂光背景像素和保留星点像素的能力，下面采用一个具体的实施例，以月光进入星敏感器视场的实拍星图为例，下面结合图例进行详细说明本发明的星点提取方法。

首先，为实现在杂光干扰下的星图中去除杂光高频噪声点并且保留星点像素信息，需要分析杂光干扰下的星图图像特征，如像素点的灰度值I_i,j、像素点的梯度幅值G(i,j)、以像素点为中心的窗口灰度均值 $m_w(i,j),G(i,j)=\sqrt{{g_x}^2+{g_y}^2}.$

图2为本发明杂光干扰下星敏感器星图中四种类型图像示意图，图2中(a)是星点，(b)是暗星点，(c)是杂光高频噪声点，(d)是杂光低频噪声点。图2中row/pixel为行/像素，由图2可知，本实施例中窗口大小为9×9，经计算，星点的图像特征为：(1)星点的梯度幅值G大；(2)以星点为中心的窗口灰度均值m_w较低，这是由于以星点为中心的邻域窗口内包含背景像素点，背景像素点灰度值低，降低了星点像素局部灰度均值。因此，可利用像素点(i,j)的梯度幅值G(i,j)与局部灰度均值m_w(i,j)区分杂光高频噪声点与星点。步骤如下：

一、为了增大星点与杂光高频噪声点相对梯度的差距，本发明采用自适应各向异性滤波方法。自适应各向异性滤波的作用是在平滑杂光高频噪声点的同时尽可能保持星点的灰度特征，既可以减小杂光高频噪声点的梯度幅值还可以保持星点的梯度幅值。

各向异性滤波模型的离散化表达式为：

${I_{i,j}}^{(t+1)}={I_{i,j}}^{\left(t\right)}+\mathrm{\λ}(C_x^{\left(t\right)}{g}_x^{\left(t\right)}+C_y^{\left(t\right)}{g}_y^{\left(t\right)}+C_{-x}^{\left(t\right)}{g}_{-x}^{\left(t\right)}+C_{-y}^{\left(t\right)}{g}_{-y}^{\left(t\right)})$

其中，为当前像素点(i,j)的灰度值，C^(t)为边缘函数，g^(t)为当前像素点的相邻像素点的灰度差，ε的取值范围为[0.001,0.01]，t为预设的循环次数， m_w为以像素点(i,j)为中心的窗口灰度均值，本实施例中，a取4，λ取值范围为[0，1/4]。

图3为滤波前后星点与杂光像素点灰度对比示意图，其中(a)、(a1)分别表示原图像、自适应各向异性滤波后图像中以星点为中心的邻域窗口内像素点的三维灰度信息图；(b)、(b1)分别表示原图像、自适应各向异性滤波后图像中以高频杂光噪声点为中心的邻域窗口内像素点的三维灰度信息图。

二、为了区分杂光高频噪声点和星点，需要计算像素点的相对梯度。相对梯度的计算公式如下：

$D(i,j)=\frac{G^{\′}(i,j)}{m_w(i,j)+\mathrm{\ϵ}}$

其中，D(i,j)为像素点(i,j)的相对梯度值，G'(i,j)为滤波处理后像素点(i,j)的梯度幅值。图4为月光进入星敏感器视场中星图和星图中第691行每列元素的相对梯度值的示意图，其中(a)为月亮进入星敏感器视场时实拍星图，(b)为星图第691行所有像素点的相对梯度，纵轴表示像素点的相对梯度，横轴表示691行像素点对应的列数，column/pixel为列/像素。

三、采用迭代法确定星图像素点相对梯度的门限值。可采用现有技术中的迭代法确定星图像素点相对梯度的门限值。接着将以相对梯度值大于门限值的像素点为中心的(2n+1)×(2n+1)邻域窗口内的所有像素点确定为候选星点像素，剩余像素点确定为背景像素，本实施例中，n为1。例如，若像素点(i,j)的灰度值高于门限值，则以点(i,j)为中心的3×3窗口内的像素点均为候选星点像素。

四、在探测候选星点像素的过程中，靠近星点的背景像素，也可能会被确定为候选星点像素，图5为候选星点像素的两种情况示意图，如图5所示，图中实线方框标记的像素为候选星点像素，图5中(a)、(b)分别是两个以候选星点像素为中心的邻域窗口图像。其中图5中(a)实线方框标记的候选星点像素为星点像素；图5中(b)实线方框标记的候选星点像素为靠近星点的背景像素。为了能够准确提取星点像素信息，需要筛选候选星点像素。

五、为确定候选星点像素(i,j)是否为星点像素，还需用以候选星点像素(i,j)为中心的邻域窗口确定的自适应阈值T_w(i,j)做进一步判断，计算公式为：

T_w(i,j)＝m_w(i,j)+0.2·σ_w(i,j)

其中σ_w(i,j)为原图像中以点(i,j)为中心的邻域窗口灰度标准差。

若候选星点像素(i,j)的灰度值I(i,j)大于T_w(i,j)，则点(i,j)为星点像素；反之，点(i,j)为背景像素。

图6为杂光像素的实验结果示意图，其中(a)为源图像，(b)为算法处理后的结果，图7为星点像素的实验结果示意图，其中(a)为源图像，(b)为算法处理后的结果。根据结果可以看出，本发明能在消除杂光背景像素的同时保留尽可能多的星点信息，有利于提高后续步骤中质心定位的精度。

本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (5)

1.一种杂光干扰下星敏感器星点提取方法，其特征在于，包括：

对星图进行滤波处理，得到滤波处理后的像素点的灰度值；

根据滤波处理后的像素点的灰度值计算像素点的相对梯度值；

根据像素点的相对梯度值确定出候选星点像素和背景像素；

从所述候选星点像素中确定出星点像素。

2.根据权利要求1所述的方法，其特征在于，所述对星图进行滤波处理，得到滤波处理后的像素点的灰度值，包括：

通过如下公式计算，得到滤波处理后的星图像素点的灰度值I_i,j ^(t+1)：

${I_{i,j}}^{(t-1)}={I_{i,j}}^{\left(t\right)}+\mathrm{\λ}(C_x^{\left(t\right)}{g}_x^{\left(t\right)}+C_y^{\left(t\right)}{g}_y^{\left(t\right)}+C_{-x}^{\left(t\right)}{g}_{-x}^{\left(t\right)}+C_{-y}^{\left(t\right)}{g}_{-y}^{\left(t\right)});$

其中，I_i,j ^(t)为当前像素点(i,j)的灰度值，C^(t)为边缘函数，g^(t)为当前像素点的相邻像素点的灰度差，ε的取值范围为[0.001,0.01]，t为预设的循环次数，g_x ^(t)＝I_i+1,j ^(t)-I_i,j ^(t)，g_-x ^(t)＝I_i-1,j ^(t)-I_i,j ^(t)，g_-y ^(t)＝I_i,j-1 ^(t)-I_i,j ^(t)，g_y ^(t)＝I_i,j+1 ^(t)-I_i,j ^(t)，m_w为以像素点(i,j)为中心的窗口灰度均值，a取值3或4，λ取值范围为[0，1/4]。

3.根据权利要求2所述的方法，其特征在于，所述根据滤波处理后的像素点的灰度值计算像素点的相对梯度值，包括：

根据滤波处理后的像素点的灰度值通过如下公式计算，得到像素点的相对梯度值D(i,j)：

$D(i,j)=\frac{G^{\′}(i,j)}{m_w(i,j)+\mathrm{\ϵ}}$

其中，G'(i,j)为滤波处理后像素点(i,j)的梯度幅值，

4.根据权利要求1～3任一项所述的方法，其特征在于，所述根据像素点的相对梯度值确定出候选星点像素和背景像素，包括：

采用迭代法确定星图像素点相对梯度的门限值；

将以相对梯度值大于所述门限值的像素点为中心的(2n+1)×(2n+1)邻域窗口内的所有像素点确定为候选星点像素，剩余像素点确定为背景像素，n为1或2。

5.根据权利要求4所述的方法，其特征在于，所述从所述候选星点像素中确定出星点像素，包括：

若所述候选星点像素的灰度值大于自适应阈值T_w(i,j)，则确定所述候选星点像素为星点像素，否则确定为背景像素；

其中，T_w(i,j)＝m_w(i,j)+0.2·σ_w(i,j)，σ_w(i,j)为所述星图中以像素点(i,j)为中心的邻域窗口灰度标准差。