CN105957058A - 一种星图的预处理方法 - Google Patents

Abstract

本发明公开了一种星图的预处理方法，包括对所述星图进行横竖条纹滤波处理，令坐标为(i,j)的星点的灰度值为将所有灰度值小于V_th的星点的灰度值置零；其中，V_th＝E+α·δ，E为星图的所有星点的灰度值的均值，δ为星图上所有星点的灰度值的方差，α为1～4之间的常数；进行星图的坏元识别；通过连通域的判断，将所有星点划分为星体；找出所述步骤S4中获得的星体中的单点噪声，并将其灰度值置零，完成星图的预处理。该星图经预处理后进行质心提取验证，定位精度可达近1/50像素。通过本发明，对星图进行了横竖条纹滤波，从而提升了滤波效果，且该方法计算公式简单、计算效率高，同时与其它步骤可以并行处理，更便于硬件实现。

Description

一种星图的预处理方法

技术领域

本发明属于数字图像处理领域，更具体地，涉及一种星图的预处理方法。

背景技术

星敏感器越来越广泛地应用于航天器姿态确定，使用CMOS星敏传感器实际采集到的星图，经过预处理，星图识别和姿态计算确定，能够得到星敏感器的瞬间实时姿态，再根据坐标转换得到飞行载体的姿态位置。星图识别的前提是需要精确的恒星位置，而星敏感器实际拍摄采集到的星图，除目标恒星星点产生的光学信号之外，还有各种噪声信号。为了得到星点位置和灰度的精确信息，必须对星敏感器采集到的图像数据进行预处理操作，从而提高质心定位精度，并提升最后星敏感器输出姿态的精度。

现有技术的星图预处理技术中，如魏伟等在文献《红外星图预处理及星点定位精度分析》(1007-2276(2014)03-0991-06)中提出单点噪声的检测与补偿算法和条纹噪声的列均值偏移校正(CMOC)算法，并采用wiener2和Top-hat组合滤波方法对星图进一步滤波去噪。该方法具有较好的滤波效果，但是存在不足之处：单点噪声属于噪声信号，检测出来直接剔除即可，补偿之后后续还是会分割掉，没有补偿必要；只考虑条纹噪声的列均值校正，忽视了横向条纹噪声的存在；采用wiener2和Top-hat组合滤波方法，实现复杂，不便硬件实现。通过对实拍星图的数据分析，发现实拍星图中存在大量的竖状条纹及横向条纹噪声，且无一定规律分布，具有条纹非均匀性特点。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种星图的预处理方法，其目的在于利用均值偏移滤波去除当前星图中的横条纹以及竖条纹噪声，由此使得星图的预处理更加精确，提高了质心定位的精度。

为实现上述目的，按照本发明的一个方面，提供了一种星图的预处理方法，包括以下步骤：

S1.均值偏移滤波：利用均值偏移滤波去除当前星图中的横条纹以及竖条纹噪声；

S2.阈值分割：将当前星图中星点的灰度值与V_th比较，如果星点的灰度值大于V_th，则将该星点的灰度值置零，否则该星点的灰度值不变；其中，V_th＝E+α·δ，E为基准星图中所有星点的灰度值的均值，δ为基准星图中所有星点的灰度值的方差，α为1～4之间的常数；所述基准星图为当前星图，或当前星图的前一帧星图；

S3.坏元识别：对当前星图进行坏元识别；

S4.连通域判断：通过连通域的判断，将当前星图中的所有星点划分为星体；

S5.单点去噪：将所述星体中的单点噪声的灰度值置零，完成当前星图的预处理。

优选地，所述步骤S1的具体方法如下：

S11.获取基准星图第i行所有星点的原始灰度值的均值基准星图第j列所有星点的原始灰度值的均值以及基准星图所有星点的原始灰度值的均值

其中，所述基准星图为当前星图，或当前星图的前一帧星图，m为基准星图的总行数，n为基准星图的总列数，1≤i≤m，1≤j≤n；

S12.获取坐标为(i,j)的星点的灰度值为其中，x(i,j)为该星点的原始灰度值。

优选地，所述星图为动态星图。

优选地，所述步骤S2的具体方法为：逐行逐列扫描当前星图，将每个星点的灰度值与V_th进行比较，将小于V_th的星点的灰度值置零，否则该星点的灰度值不变。

优选地，所述步骤S3中所述连通域的判断为四连通域的判断，其具体方法为：将每个星点的灰度值与其四连通域的星点的灰度值比较，如果该星点的灰度值小于所有其四连通域的星点的灰度值，则将以该星点为中心的5×5区域的星点的平均灰度值作为该星点的灰度值，否则该星点的灰度值不变。

优选地，所述步骤S5的具体方法为：将已划分为星体的星点的灰度值及其四邻域的灰度值与阈值相比较，如果只有该星点的灰度大于该阈值，则将该星点判定为单点噪声并将该星点的灰度值置零，否则该星点的灰度值不变。

优选地，在所述步骤S5之后，还包括：

S6.获得当前星图的原始质心；

S7.去除以背景噪声点为中心，半径为1的范围内的原始质心，获得当前星图的最终质心。

优选地，所述步骤S6中获得星图的原始质心的方法为加权质心法、带阈值的灰度加权法、平方加权法或高斯插值法。

优选地，所述步骤S7中背景噪声点的获取方法具体为：获取一帧没有星点的星图作为背景星图，选取所述背景星图的质心点所对应的星点作为固定噪声点。

优选地，所述星图为动态星图，所述步骤S7中背景噪声点的获取方法具体为：获取初始的2帧～15帧星图的质心点，选取在任意两帧星图中的位置偏差都不超过0.5个像素的质心点作为背景噪声点。

总体而言，通过本发明所构思的以上技术方案与现有技术相比，具有以下有益效果：

1、本发明利用均值偏移滤波同时去除当前星图中的横条纹以及竖条纹噪声，进一步提升了滤波效果；

2、本发明利用坏元处理以及单点噪声的识别，有效保证输出星点质心的真实性与正确性；

3、本发明的均值偏移滤波算法简单，计算速度远快于非均匀性校正，更利于后续硬件设计处理；

4、本发明的方法在均值偏移滤波和阈值分割步骤中，可采用当前星图的前一帧星图的相应数据进行计算，与其它步骤可以并行处理，从而提高了计算效率，更便于FPGA硬件实现；

5、本发明优选通过初始的多帧星图，确定背景噪声点位置，通过计算得到的星点质心位置与背景噪声点位置比较，删除当前星图的背景噪声点，输出最终质心，从而减少了匹配干扰，使得后续姿态的计算更加准确；

6、按照本发明的方法，有效的抑制了噪声水平，经验证定位精度可达近1/50像素。

附图说明

图1为本发明中均值偏移滤波步骤均值偏差示意图；

图2为本发明中均值偏移滤波步骤灰度变换示意图；

图3为阈值分割示意图；

图4为坏元识别示意图；

图5为连通域判断示意图；

图6为单点去噪示意图；

图7为质心计算示意图；

图8为初始8帧星图质心确定示意图；

图9为背景噪声点确定示意图；

图10为背景噪声点附近星点筛除并输出最终有效质心示意图；

图11为实施例1星图局部区域去噪前后对比图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

本发明提供了一种星图的预处理方法，包含以下步骤：

S1.均值偏移滤波：计算出每行每列的均值以及当前星图的均值，以及每行每列均值与当前星图均值的差值Δ(i)和Δ(j)，在每个星点加上对应行列的Δ(i)和Δ(j)；

其具体过程如下：

S11.如图2所示，计算星图每行的均值

S12.同理，计算星图每列的均值

S13.计算整幅星图的均值

S14.计算每行像素的行均值差值

S15.计算每列像素的列均值差值

S16.如图1-2所示，横竖条纹滤波后的坐标为(i,j)的星点的灰度值为A(i,j)＝x(i,j)+Δ(i)+Δ′(j)；

为了减少计算量，可采用前一帧星图的所有星点的原始灰度值的均值，x(i)可采用前一帧星图第i行所有星点的原始灰度值的均值，x′(j)可采用前一帧星图第j列所有星点的原始灰度值的均值。

S2、阈值分割：设置第一阈值为V_th＝E+α·δ，逐行逐列扫描星图，将每个星点的灰度值与V_th进行比较，小于V_th则该星点的灰度值置零，否则保持不变。其中，E为星图的所有星点的灰度值的均值，δ为星图上所有星点的灰度值的方差，α通常为1～4之间的常数，其具体可以根据δ的值进行调整，δ偏大，说明噪声大，可以适当加大α值，以有效去除噪声；δ偏小，说明星图背景很均匀，噪声少，这时可以适当减小α值，可以保证质心计算的精度，α通常可取2，图3为V_th值为16时，星图上的星点处理前后的结果；与步骤S1相同，为了减少计算量，E可采用前一帧星图的所有星点的灰度值的均值，δ可采用前一帧星图上所有星点的灰度值的方差，使得该步骤能与其它步骤并行处理，以提高计算速度。

S3.坏元识别：将星点的灰度值与其四邻域的灰度值比较，如果四邻域的灰度值都大于该星点，则将以该星点为中心的一部分区域(通常采用5×5区域)的星点的平均灰度值作为该星点的灰度值，如图4中黑色区域则为坏元；

S4.连通域判断：通过连通域的判断，将所有星点划分为星体；

通常连通域的判断采用四连通域或8连通域，这里以四连通域为例简单说明星点划分为星体的方法，如图5所示，对每个灰度值不为零的星点依次判断它与上一个星点是不是相临的，如果是则将该星点归入上一个星点所在的星体。否则将该点与所有已判断出的星体(四邻域相邻星点的集合)依次比较，如果该点与某个星体相邻则将该点归入该星体。如果该点与所有已判断出的星体都不相邻，则以该点创建一个新的星体信息。

S41.首先创建星体1并以星点1初始化；

S42.星点2与星点1相邻，将星点2归入星体1，并更新星体1的信息；

S43.星点3与星体1不相邻，创建星体2并以星点3初始化；

S44.星点4与星点3不相邻，但与星体1相邻，将星点4归入星体1，并更新星体1的信息；

S45.星点5与星点4相邻，将星点5归入星点4所在的星体1，并更新星体1的信息；

S46.依次类推，直至所有星点都归入正确的星体。

S5.单点去噪：将已划分为星体的星点的灰度值及其四连通域的灰度值与第二阈值相比较，如果只有该星点的灰度大于该第二阈值，则判断该星点为单点噪声，该星点灰度值置零；通常可将第二阈值设置为整副星图的灰度值的均值；

S6.原始质心计算：在星敏感器系统中，可以用加权质心法、带阈值的灰度加权法、平方加权法或高斯插值法等方法获得星图的原始质心。这里选取灰度加权质心法为例进行说明；如图7为分割好的星体区域，对其进行带权值的减阈值质心计算，矩心算法的数学表达式如下：

$E^{\′}xy=A^{\′}(i,j)-V_{th},X_c=\frac{\underset{x=1}{\overset{m}{\Σ}}\underset{y=1}{\overset{n}{\Σ}}{\mathrm{xE}}_{xy}^{\′}}{\underset{x=1}{\overset{m}{\Σ}}\underset{y=1}{\overset{n}{\Σ}}{E}_{xy}^{\′}},Y_c=\frac{\underset{y=1}{\overset{n}{\Σ}}\underset{x=1}{\overset{m}{\Σ}}{\mathrm{YE}}_{xy}^{\′}}{\underset{x=1}{\overset{m}{\Σ}}\underset{y=1}{\overset{n}{\Σ}}{E}_{xy}^{\′}}$

上述表达式中，V_th为星图阈值，A(i,j)为像元灰度值，X_c，Y_c为星点信号矩心横纵坐标，(X_c,Y_c)代表了星点信号经过内插细分后所得到的精确定位位置。

S7.最终质心计算：

S71.获取背景噪声点，背景噪声点的获得可以用静止状态或运动状态。

在静止状态下采集一帧没有任何实际星点的背景星图，该背景星图的质心点为固定噪声点。

在运动状态下则需要获取初始时刻的2帧～15帧动态星图的质心点，在所有动态星图中的位置偏差不超过0.5个像素(通常取0.1倍整幅星图方差)的质心点为背景噪声点。

S72.在后续帧的星图星点质心计算中，将当前星图的星点质心位置与初始时刻的第1帧星图的背景噪声点的位置y1,y2,...ym一一比较，去除与这些背景噪声点对应星点的距离小于1个像素的原始质心，获得当前星图的最终质心。

这里以获取初始时刻的2帧星图为例说明运动状态下背景噪声点的获取以及星图中背景噪声点的去除：

运动状态下获取初始时刻的2帧星图质心如下：

第一帧：x1(89.01，520.33)，x2(100.42，336.71)，x3(325.73，111.55)，x4(793.18，941.56)；

第二帧：x21(89.30，520.22)，x22(325.79，111.61)，x23(793.28，941.47)，x24(400.89,612.65)；

如图10所示，进行背景噪声点获取：

先判断abs(x1-x21)<0.5是否成立，x1-x21的XY坐标偏差绝对值均小于0.5，则x1是一个背景噪声点；

x2(100.42，336.71)与x21(89.30，520.22)，判断abs(x2-x21)<0.5不成立，接着判断abs(x2-x22)<0.5也不成立，继续判断abs(x2-x23)<0.5不成立，abs(x2-x24)<0.5不成立，则排除x2，该点不属于背景噪声点；

x3与x21，判断abs(x3-x21)<0.5不成立，接着判断abs(x3-x22)<0.5成立，则x3是一个背景噪声点；

x4与x21，判断abs(x3-x21)<0.5不成立，接着判断abs(x4-x22)<0.5也不成立，判断abs(x4-x23)<0.5成立，则x4是一个背景噪声点。

故经过上述操作，获取到背景噪声点x1(89.01，520.33)，x3(325.73，111.55)，x4(793.18，941.56)，保存为y1(89.01，520.33)，y2(325.73，111.55)，y3(793.18，941.56)。

例如需要去除背景噪声点的星图为：x1(24.81，220.31)，x2(78.6，90.37)，x3(85.87，387.53)，x4(89.21，520.42)，x5(325.68，111.96)，x6(468.65，825.32)，x7(793.73，941.88)，x8(813.51，628.31)，x9(912.1，421.33)，x10(998.54，312.89)；

输出最后质心时，如图10所示，进行背景噪声点判断：

对x1，abs(x1-y1)<1不成立，abs(x1-y2)<1不成立，abs(x1-y3)<1不成立，正常输出x1；

对x2，abs(x2-y1)<1不成立，abs(x2-y2)<1不成立，abs(x2-y3)<1不成立，正常输出x2；

对x3，abs(x3-y1)<1不成立，abs(x3-y2)<1不成立，abs(x3-y3)<1不成立，正常输出x3；

对x4，abs(x3-y1)<1成立，筛除x4，不输出x4；

对x5，abs(x5-y1)<1不成立，abs(x5-y2)<1成立，筛除x5，不输出x5；

对x6，abs(x6-y1)<1不成立，abs(x6-y2)<1不成立，abs(x6-y3)<1不成立，正常输出x3；

对x7，abs(x7-y1)<1不成立，abs(x7-y2)<1不成立，abs(x7-y3)<1成立，筛除x7，不输出x7；

对x8，abs(x8-y1)<1不成立，abs(x8-y2)<1不成立，abs(x8-y3)<1不成立，正常输出x8；

对x9，abs(x9-y1)<1不成立，abs(x9-y2)<1不成立，abs(x9-y3)<1不成立，正常输出x9；

对x10，abs(x10-y1)<1不成立，abs(x10-y2)<1不成立，abs(x10-y3)<1不成立，正常输出x10。

故最终经过背景噪声点附近星点删除，输出的星点为x1、x2、x3、x6、x8、x9以及x10。

为了进一步说明，故通过对比例和实施例1对具体实施方式进行具体阐述。

对比例

实施例1和对比例所用星敏感器的分辨率：1024×1024，像素尺寸：15μm×15μm，镜头焦距：0.0408m，采集星图数据位宽12bit。采用高斯分布模拟生成理想星图，叠加样机在随州郊区拍摄的星空背景噪声图片，进行加噪星图的去噪效果和质心定位分析。

首先模拟生成干净的星图图片：

用圆视场搜索成像(设星敏感器视轴指向(Cj₀,Cw₀)，星敏感器视场半径为R)，位置满足下列条件的星可成像：

考虑边界条件，即当 Cw₀-R＜-90,Cw₀+R＞90时，需要对成像范围进行处理：

①的限制范围变为

$(0,{\mathrm{Cj}}_0+\frac{R}{\cos {\mathrm{CW}}_0})\&cup;(360+{\mathrm{Cj}}_0-\frac{R}{\cos {\mathrm{CW}}_0},360)$

②的限制范围变为

$({\mathrm{Cj}}_0-\frac{R}{\cos {\mathrm{CW}}_0},360)\&cup;(0,{\mathrm{Cj}}_0+\frac{R}{\cos {\mathrm{CW}}_0}-360)$

③Cw₀-R＜-90 Cw的限制范围变为

(－90，Cw₀+R)

④Cw₀+R＞90 Cw的限制范围变为

(Cw₀-R，90)

对于满足星成像条件的星进行如下星图生成：

设星(C_ji,C_wi)能成像在感光面上，它在赤经坐标系下的单位矢量为

$\left[\begin{array}{c}{\stackrel{\&OverBar;}{X}}_i\\ {\stackrel{\&OverBar;}{Y}}_i\\ {\stackrel{\&OverBar;}{Z}}_i\end{array}\right]=\left[\begin{array}{c}\cos C_{ji}\cos C_{wi}\\ \sin C_{ji}\cos C_{wi}\\ \sin C_{wi}\end{array}\right]$

在天体敏感器坐标系下的单位矢量为

$\left(\begin{array}{c}{X}_i\\ Y_i\\ Z_i\end{array}\right)=M^T\left(\begin{array}{c}\stackrel{\&OverBar;}{X_i}\\ \stackrel{\&OverBar;}{Y_i}\\ \stackrel{\&OverBar;}{Z_i}\end{array}\right)$

设星敏感器光学系统焦距f，主点坐标为(X₀,Y₀)，星(C_ji,C_wi)在图象坐标系下的坐标为(X_i,Y_i)(以感光面中心为坐标原点)，则

$X_i=f\frac{a_1{\stackrel{\&OverBar;}{X}}_1+b_1{\stackrel{\&OverBar;}{Y}}_1+c_1{\stackrel{\&OverBar;}{Z}}_i}{a_3{\stackrel{\&OverBar;}{X}}_i+b_3{\stackrel{\&OverBar;}{Y}}_i+c_3{\stackrel{\&OverBar;}{Z}}_i}$

$Y_i=f\frac{a_2{\stackrel{\&OverBar;}{X}}_i+b_2{\stackrel{\&OverBar;}{Y}}_i+c_2{\stackrel{\&OverBar;}{Z}}_i}{a_3{\stackrel{\&OverBar;}{X}}_i+b_3{\stackrel{\&OverBar;}{Y}}_i+c_3{\stackrel{\&OverBar;}{Z}}_i}$

设象素尺寸为(d_x,d_y),进一步可以得到象素坐标(以感光面左上角为坐标原点):

$\stackrel{\&OverBar;}{X_i}=X_0+X_{i}dx$

$\stackrel{\&OverBar;}{Y_i}=Y_0+Y_{i}dy$

将此几何位置与CMOS尺寸大小相比较，判断是否能在CMOS上成像。设CMOS大小为M×N，像元尺寸为a×a，则焦面几何位置满足下式的星可以在CMOS上成像：

$0<{\stackrel{\&OverBar;}{X}}_i<M$

$0<{\stackrel{\&OverBar;}{Y}}_i<N$

对于原理样机采用的STAR1000，R＝10°，M＝N＝1024,a＝15um，f＝0.0408m，x0＝y0＝512。根据得到的成像星的坐标值可生成模拟星图。

输入姿态角(45,45,0)，得到一组成像星的理想坐标值，然后，用前面提到的高斯点扩散函数来模拟其能量分布，生成模拟星图数据如下表所示，局部图片如图11a所示：

表1模拟星图坐标值

序号	X坐标	Y坐标	序号	X坐标	Y坐标
						1	545.9089027	108.805383	13	116.5540541	519.8783784
2	470.7923497	144.3661202	14	695.546875	584.640625
						3	252.3703704	248.037037	15	904.8905473	599.6318408
4	697.125	275.3769231	16	584.6843198	701.5846314
						5	737.0823529	288.5647059	17	351.942029	734.4927536
6	581.2699387	293.5828221	18	500.744186	763.6511628
						7	390.3398693	309.6535948	19	614.7065217	764.4673913
8	728.7777778	310.6031746	20	559.6819672	802.3901639
						9	798.8629032	344.6451613	21	27.43421053	815.6578947
10	852.2382022	357.1325843	22	424.5639098	826.4360902
						11	753.128	359.064	23	502.7580645	978.1129032
12	591.1238095	517.5428571	24	429.1010101	983.2121212

接着，叠加背景噪声，得到加噪星图，与图11a同一部位的局部图片如图11b所示；均值：9.375，方差：6.669，分割阈值22.713，读取加噪星图识别后只有16颗星；

然后，对加噪星图进行CMOC列校正算法滤波，与图11a同一部位的局部图片如图11c所示；得到24颗星的质心与理想模拟星图偏差数据如表2所示：

表2光轴指向为(45,45,0)时星图CMOC算法质心偏差

可以看到，CMOC算法处理后的星图质心偏差平均可以达到近1/40像素。

实施例1

以和对比例中同样一组加噪后的模拟星图作为原始星图。

S1.令坐标为(i,j)的星点的灰度值为其中x(i,j)为星点的原始灰度值，为星图的所有星点的原始灰度值的均值，x(i)为星图第i行所有星点的原始灰度值的均值，x′(j)为星图第j列所有星点的原始灰度值的均值；得到的预处理之后的部分星图的灰度值如表3所示，其中，灰度值在表格中的相对位置对应于星点的位置：

表3预处理之后的部分星图的灰度值

9	4	9	6	7	9	7	8
								7	10	8	9	8	6	8	8
8	9	17	106	73	12	7	8
								8	10	57	254	255	19	6	12
9	5	25	176	119	15	8	8
								8	10	9	14	10	10	10	8
12	7	8	7	6	3	11	8
								7	9	9	6	7	10	7	7

与图11a同一部位的局部图片如图11b所示，可以观察到，竖条纹滤波算法对竖条纹得到有效抑制，横竖条纹滤波则在此基础上对横向条纹得到进一步抑制，且抑制效果优于对比例。

S2.获取预处理之后的星图的均值：E＝8.354，方差δ＝2.716，α取2，得到分割阈值V_th＝13.786，从均值和方差可以看出，采用本发明方法的星图预处理技术之后，均值有一定降低，方差较大程度较小，说明整幅图片背景更加均匀，噪声得到抑制；

这时候，对小于13.786的灰度值置零，进行图像分割后如表4所示：

表4图像分割后的星点的灰度值

0	0	0	0	0	0	0	0
								0	0	0	0	0	0	0	0
0	0	17	106	73	0	0	0
								0	0	57	254	255	19	0	0
0	0	25	176	119	15	0	0
								0	0	0	14	0	0	0	0
0	0	0	0	0	0	0	0
								0	0	0	0	0	0	0	0

S3.进行星图的坏元识别：对于坏元，如表5为整副星图中具有坏元的一部分区域：

表5整副星图中具有坏元的一部分区域

9	7	8	7	7
					8	10	19	36	16
8	13	11	142	23
					8	10	18	28	11
8	10	8	8	7

中间灰度值为11的星点，其值比周围值都小，则可判断其为坏元，计算以11为中心的5×5区域均值：17.6，取整得到18，替换掉11，如表6所示：

表6表5经坏元识别后

9	7	8	7	7
					8	10	19	36	16
8	13	18	142	23
					8	10	18	28	11
8	10	8	8	7

S4.通过连通域的判断，将所有星点划分为星体

接着按照S4的方法进行连通域判断，将表4中的一部分星点列在表7中，可以看出，这些非零星点在四邻域内是连通的，故是一个星体。

表7表4中的一部分星点

17	106	73	0
				57	254	255	19
25	176	119	15

再将表7中这一部分区域向右下方延伸，获得表8；其中，灰度值分别为15和16的两个星点不是四邻域关系，不连通，因此15和16的两个星点属于两个星体。

表8包含表7中星点的星图的一部分区域

S5.单点去噪：将已划分为星体的星点的灰度值以及四邻域的灰度值与阈值相比较，如果只有该星点的灰度大于该阈值，则判断该点为单点噪声，该点灰度值置零；星图中最亮星附近区域一块，如表9所示：

表9星图中最亮星附近区域一块

10	9	9
			5	7	7
6	15	7
			13	8	8
6	7	13

整幅图像的灰度值的均值为8.35，而灰度值为15的星点上下左右均小于8.35，则灰度值为15的星点为单点噪声，直接置零，后续被分割掉，分割后的一部分星图如表10所示。

表10分割后的一部分星图

坐标	272	273	274	275	276	277	278	279
									694	0	0	0	0	0	0	0	0
695	0	0	0	0	0	0	0	0
									696	0	0	17	106	73	0	0	0
697	0	0	57	254	255	19	0	0
									698	0	0	25	176	119	15	0	0
699	0	0	0	14	0	0	0	0
									700	0	0	0	0	0	0	0	0
701	0	0	0	0	0	0	0	0

S6.质心计算：在本实施例中采用带阈值的质心法，V_th采用之前分割星图的阈值，V_th＝13.785，

X坐标计算：

(696×(17-13.785)+696×(106-13.785)+696×(73-13.785)+697×(57-13.785)+697×(254-13.785)+697×(255-13.785)+697×(19-13.785)+698×(25-13.785)+698×(176-13.785)+698×(119-13.785)+698×(15-13.785)+699×(14-13.785))/((17-13.785)+(106-13.785)+(73-13.785)+(57-13.785)+(254-13.785)+(255-13.785)+(19-13.785)+(25-13.785)+(176-13.785)+(119-13.785)+(15-13.785)+(14-13.785))＝697.1303；

Y坐标计算：

(274×(17-13.785)+275×(106-13.785)+276×(73-13.785)+274×(57-13.785)+275×(254-13.785)+276×(255-13.785)+277×(19-13.785)+274×(25-13.785)+275×(176-13.785)+276×(119-13.785)+277×(15-13.785)+275×(14-13.785))/((17-13.785)+(106-13.785)+(73-13.785)+(57-13.785)+(254-13.785)+(255-13.785)+(19-13.785)+(25-13.785)+(176-13.785)+(119-13.785)+(15-13.785)+(14-13.785))＝275.3741；

通过质心计算，得出该星体的质心坐标为(697.1303，275.3741)，与前面未加噪声的干净模拟星图对应星的坐标(697.125，275.3769231)，只相差(0.0053,0.0028)，精度小于1/100像素。

和表2中相同一组图星图的质心偏差数据如表11所示，可以看到本发明方法提高了质心定位的精度，星图质心偏差平均可以达到近1/50像素。

表11光轴指向为(45,45,0)时星图本发明中质心偏差对比

计算得到这24颗星的X方向和Y方向坐标偏差均值分别为0.049025pixel，0.0207148pixel，相对于现有技术中的CMOC列校正算法中偏差0.0577pixel和0.0330pixel，有进一步提升。可见，HVSF处理后的星图质心偏差平均可以达到近1/50像素，相比CMOC列校正算法中1/30像素进一步提升，定位精度相对于CMOC列校正算法分别提升了15％和37％。

在本发明采用的模拟星图生成和质心计算条件下，对相同加噪星图运用CMOC算法进行列校正滤波(即只进行竖向条纹滤波)，对应计算得到24颗星X方向和Y方向坐标偏差均值分别为0.051792pixel和0.025807pixel。而本发明计算得到这24颗星X方向和Y方向坐标偏差均值分别为0.049025pixel，0.0207148pixel，相对其确有提升，相比同条件下的CMOC列校正提升了5％和20％。更重要的是，相对于CMOC列校正算法中只针对2等星在特定坐标位置模拟降噪，本发明统计结果星等分布更广(从1.81到4.99等星)，位置更随机(是根据光轴指向生成的一组星点)，统计结果更具一般性。

实验结果表明，采用了横竖条纹滤波HVSF算法的星图预处理技术，提高了质心定位的精度，HVSF处理后的星图质心偏差平均可以达到近1/50像素，XY坐标定位精度相对于CMOC列校正算法分别提升了15％和37％。算法过程简单易实现，满足星敏感器设计要求，便于硬件并行处理，为嵌入式硬件实现提供极大便利。

本发明对比其他现有技术的星图处理过程，独有地提出固定点噪声处理，能够有效抑制固定位置的背景噪声点干扰。

本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种星图的预处理方法，其特征在于，包括以下步骤：

S1.利用均值偏移滤波去除当前星图中的横条纹以及竖条纹噪声；

S2.将当前星图中星点的灰度值与V_th比较，如果星点的灰度值大于V_th，则将该星点的灰度值置零，否则该星点的灰度值不变；其中，V_th＝E+α·δ，E为基准星图中所有星点的灰度值的均值，δ为基准星图中所有星点的灰度值的方差，α为1～4之间的常数；所述基准星图为当前星图，或当前星图的前一帧星图；

S3.对当前星图进行坏元识别；

S4.通过连通域的判断，将当前星图中的所有星点划分为星体；

S5.将所述星体中的单点噪声的灰度值置零，完成当前星图的预处理。

2.如权利要求1所述的方法，其特征在于，所述步骤S1的具体方法如下：

S11.获取基准星图第i行所有星点的原始灰度值的均值基准星图第j列所有星点的原始灰度值的均值以及基准星图所有星点的原始灰度值的均值

其中，所述基准星图为当前星图，或当前星图的前一帧星图，m为基准星图的总行数，n为基准星图的总列数，1≤i≤m，1≤j≤n；

S12.获取坐标为(i,j)的星点的灰度值为其中，x(i,j)为该星点的原始灰度值。

3.如权利要求1所述的方法，其特征在于，所述星图为动态星图。

4.如权利要求1所述的方法，其特征在于，所述步骤S3中所述连通域的判断为四连通域的判断，其具体方法为：将每个星点的灰度值与其四连通域的星点的灰度值比较，如果该星点的灰度值小于所有其四连通域的星点的灰度值，则将以该星点为中心的5×5区域的星点的平均灰度值作为该星点的灰度值；否则该星点的灰度值不变。

5.如权利要求1所述的方法，其特征在于，在所述步骤S5之后，还包括：

S6.获得当前星图的原始质心；

S7.去除以背景噪声点为中心，半径为1的范围内的原始质心，获得当前星图的最终质心。

6.如权利要求5所述的方法，其特征在于，所述步骤S7中背景噪声点的获取方法具体为：获取一帧没有星点的星图作为背景星图，选取所述背景星图的质心点所对应的星点作为固定噪声点。

7.如权利要求5所述的方法，其特征在于，所述星图为动态星图，所述步骤S7中背景噪声点的获取方法具体为：获取初始的2帧～15帧星图的质心点，选取在任意两帧星图中的位置偏差都不超过0.5个像素的质心点作为背景噪声点。