CN107504966A - 一种白昼有云环境下导航星星点提取的方法 - Google Patents
一种白昼有云环境下导航星星点提取的方法 Download PDFInfo
- Publication number
- CN107504966A CN107504966A CN201710556860.7A CN201710556860A CN107504966A CN 107504966 A CN107504966 A CN 107504966A CN 201710556860 A CN201710556860 A CN 201710556860A CN 107504966 A CN107504966 A CN 107504966A
- Authority
- CN
- China
- Prior art keywords
- connected domain
- star
- star chart
- frame
- chart
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/02—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by astronomical means
- G01C21/025—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by astronomical means with the use of startrackers
Abstract
本发明提供了一种白昼有云环境下导航星星点提取的方法，包括步骤：首先，对连续拍摄的多帧白昼有云星图的每一帧星图分别进行：(1)对原始星图利用改进的形态学TopHat算子进行滤波，得到第一星图；(2)利用RobinsonGuard滤波器对第一星图进行滤波处理，得到第二星图；(3)利用自适应阈值法对第二星图进行阈值分割，保存高于阈值的所有像素的坐标和灰度；(4)对保存的像素利用聚类法实现四连通域星点提取。其次，对各帧星图提取出的连通域利用多帧比对技术进行伪星点剔除。最后，对比对成功的各个连通域计算其质心，完成星点的提取。该方法有效地消除了白昼天空云层等背景的干扰，同时避免了灰尘等空中漂浮物引起的误提取，保证了星点的有效稳定提取。
Description
技术领域
本发明涉及一种白昼有云环境下导航星星点提取的方法，应用于飞机、导弹、舰船以及临近空间飞行器等近地面平台星图处理领域。
背景技术
星敏感器是以恒星作为测量参考源的高精度姿态测量仪器，具有精度高、自主能力强等优点，已广泛用于卫星、宇宙飞船等空间航天器。当前典型的星敏感器大多工作在冷黑背景下和可见光谱段，面对大气层及近地空间内飞机、导弹、舰船等平台全天时导航需求，由于白昼条件下强烈的天空背景光影响，传统的星敏感器星点提取技术无法满足要求。
白昼星敏感器工作在大气层内，其成像的背景环境复杂，受到太阳散射光、地面反射光和大气热辐射等影响，此外还存在云层、天际线或空中漂浮物等干扰。这些因素导致白昼星图构成复杂，背景灰度值高且分布不均匀，局部区域灰度值可能超过星点目标灰度，恒星目标信噪比非常低。
白昼有云复杂环境下星点提取的关键技术是白昼星图的预处理和对预处理后星图进行连通域提取和伪星剔除。
传统的星图预处理算法主要有多帧叠加求平均值、均值滤波、中值滤波、高通滤波、小波变换、维纳滤波和形态学滤波等。
(1)多帧叠加求平均值。该方法将连续拍摄的多帧星图对应像素的灰度相加，再求取平均值。该方法计算量小，可以消除随机噪声，但是叠加帧数越多计算量越大，并且随着叠加帧数的增加，信噪比提升效果降低。在动态情况下需要根据预估的星点在像面的移动方向进行平移叠加，实现准确叠加较为困难。
(2)均值滤波。均值滤波是用一个奇数点的滤波模板，将模板中心点的值用模板内各点的均值代替。均值滤波算法简单，对加性高斯噪声有着较好的平滑作用，但是对脉冲式高频分量的抑制效果不理想，并且会导致目标能量的衰减和边缘的模糊。
(3)中值滤波。与均值滤波类似的，中值滤波将模板中心点的值用模板内各点的中值代替。中值滤波算法简单，实时性好，对脉冲噪声有很好的滤波效果，但是对于正态白噪声效果并不明显，同时中值滤波会产生像素的偏移，影响质心定位的精度。
(4)高通滤波。高通滤波将星图进行傅里叶变换，在频域进行星图处理，保留星图中截止频率以上的频率成分。该方法可用于消除低频噪声，但是容易使背景噪声通过，滤波后还需要对星图进行进一步处理。此外，高通滤波需要进行频域转换，计算量较大，不利于实时处理。
(5)小波变换。小波变换将时域信号变换到频域，通过伸缩平移运算对信号进行多尺度细化，实现高频时间细分，低频频率细分。在小波域中，有效信号对应的小波系数很大，而噪声对应的系数很小，通过阈值处理可以得到降噪后的星图。但是小波变换计算复杂，计算量大，难以满足快速星图识别的要求。
(6)维纳滤波。维纳滤波一种基于最小二乘估计的滤波方法，利用星图中每个像素邻域的局部均值和方差进行估计。维纳滤波对单点噪声和背景噪声的抑制效果并不明显，对背景的平滑效果较好，但是会导致目标能量的衰减和边缘的模糊。
(7)形态学滤波。数学形态学是一种图像分析数学工具，以结构元素为基础，通过使用结构元素度量和提取图像中的对应形状，对图像进行分析和识别。形态学滤波为目前主要采用的复杂背景星图预处理方法，该方法采用形态学开运算提取背景，再以原始星图减去背景，即可以滤去背景噪声。形态学滤波能有效的抑制背景，但是滤波结果中仍有很多的杂波残留，需要进一步处理。
夜间观测时，由于星点较亮并且弥散面积较大，夜间发光物体较少，因此伪星点较少，通常对连通域的面积和形状进行判别即可剔除伪星点。但是在白昼大气层内观测时，由于灰尘等空中漂浮物会反射太阳光，进入视场内也会成像，从而会产生较多的伪星点。白昼星图中伪星点面积不一，较大可能达到几十个像元，较小可能仅有一两个像元，伪星点可能亮于真星点，仅根据连通域的面积、形状和能量无法完全剔除伪星，从而会造成误识别。
发明内容
本发明解决的技术问题是：克服现有技术的不足，提供了一种白昼有云环境下导航星星点提取的方法，解决了星敏感器工作在大气层内受到天空背景辐射和云层等干扰时无法提取星点的问题。
本发明的技术方案是：一种白昼有云环境下导航星星点提取的方法，步骤如下：
(1)、对星敏感器连续拍摄的N帧原始白昼有云星图进行星图预处理，滤除云层干扰和背景噪声，所述N大于等于5；
(2)、提取预处理后的每一帧星图中灰度值高于预设灰度阈值的所有像素的坐标和灰度值，根据所述像素的坐标和灰度值，进行四连通域提取，获取每一帧星图中连通域面积大于第一预设面积门限的连通域，剔除每一帧星图中连通域面积大于第二预设面积门限的连通域，计算剩下的连通域在所属星图中的质心坐标，剔除每一帧星图中连通域质心距离小于预设距离门限的连通域；
(3)、遍历步骤(2)所得到的每帧星图中的连通域的质心坐标，根据两个连通域在两帧不同拍摄时间星图中的像素位置变化是否符合星点的运动变化规律的原则，将各帧星图中的每个连通域依次与后续拍摄的星图中的每个连通域进行匹配运算，从后续拍摄的星图中搜索最近拍摄到的与之表示同一个星点目标图像面积最大能量最高的连通域，所述连通域的能量为连通域中所有像素的灰度值和；
(4)、将各帧星图中表示同一个星点目标图像的连通域合并，并统计所有表示同一个星点目标图像的连通域个数，当N帧星图中表示同一个星点目标图像的连通域个数大于预设的门限时，确定该星点目标为真星点目标，否则，认为该星点目标为伪星点目标；
(5)、剔除所有伪星点目标，提取每个真星点目标相关的连通域在各帧星图中的质心位置，得到每个真星点目标在各星图拍摄时刻对应的运动轨迹。
所述步骤(1)对原始白昼有云星图进行预处理的过程为：
(1.1)、对原始白昼有云星图采用改进的TopHat滤波方法，抑制云层干扰和背景噪声，得到第一星图；
(1.2)、对滤波后的第一星图利用Robinson Guard滤波器进一步抑制背景噪声，得到第二星图。
所述改进的TopHat滤波方法的具体实现为：
(1.1.1)、对原始白昼有云星图逐行逐像素点移动大小为n＊n、中心空白区域尺寸为(n-2)＊(n-2)的环形结构元进行空间滤波处理即：对每个像素点，保持结构元内除中心像素外其它像素灰度值不变，将结构元中心像素的灰度值赋值为结构元周边区域内像素灰度的最大值，得到白昼有云星图最大图，所述 n为整数，n大于等于3；
(1.1.2)、对步骤(1.1.1)滤波处理之后的白昼有云星图最大图逐行逐像素点移动大小为(n-2)＊(n-2)的结构元进行空间滤波处理，即：对每个像素点，保持结构元内除中心像素外其它像素灰度值不变，将结构元中心像素的灰度值赋值为结构元区域内像素灰度的最小值，得到白昼有云星图最小图；
(1.1.3)、将原始白昼有云星图与白昼有云星图最小图对应像素点的灰度值相减，并将相减结果中小于0的像素点的灰度值置为0，得到抑制云层干扰和背景噪声的第一星图。
所述步骤(3)分为两种情况：
第一种情况为所述星敏感器与惯导捷联安装，能够实时获取星敏感器的姿态信息，可以根据姿态信息和存储在星敏感器导航星表中的导航星在惯性系下的星矢量，推算出任意时刻星敏感器视场内可以观测到的导航星数量、各导航星在每帧星图像面上的估计星点位置，相应地，步骤(3)根据连通域在两帧星图拍摄时刻间在像面上移动的方向相同、像素差小于导航星在两帧星图像面上的估计星点位置变化的原则，判断分别属于两帧星图中的两个连通域是否为两帧星图拍摄时刻表示同一个星点目标图像的连通域；
第二情况为所述星敏感器不与惯导捷联安装，不能实时获取星敏感器的姿态信息，根据连通域在像面上移动的速度小于预设的星点移动速度阈值的原则，判断分别属于两帧星图中的两个连通域是否为两帧星图拍摄时刻表示同一个星点目标图像的连通域。
对于第一情况所述步骤(3)的具体步骤为：
(3.1a)、计算步骤(2)中所得到的每帧星图中的连通域的能量和质心坐标，依据连通域的面积及能量，对连通域进行排序，将连通域的质心坐标存入相应星图的连通域队列，面积最大的连通域质心坐标排在连通域队列的最前面，面积相同的则连通域的质心坐标按照相应的连通域的能量从大到小进行排序；
(3.2a)、根据各帧星图拍摄时刻星敏感器姿态信息和星敏感器内置的导航星星矢量，计算出星敏感器视场内可以观测到的导航星数量K及其各颗导航星在各帧星图拍摄时刻在像面上的估计星点位置，遍历各帧星图中的每个连通域，将其依次与后续拍摄的星图中的每个连通域进行匹配，找到表示同一个星点目标图像的连通域，具体遍历方法为：
(3.3a)、初始化k为1，进入步骤(3.4a)；
(3.4a)、初始化i为1，m初始化为1，j初始化为i加1，n初始化为1，进入步骤(3.5a)；
(3.5a)、提取第i帧星图连通域队列中的第m个连通域质心坐标，根据该连通域在两帧星图拍摄时刻间在像面上移动的方向相同、像素差小于第k颗导航星在两帧星图像面上的估计星点位置变化的原则，将其与第j帧星图中的第n 个连通域质心坐标进行匹配运算，判断分别属于两帧星图中的两个连通域是否为两帧星图拍摄时刻表示该颗导航星星点目标图像的连通域，如果两个连通域匹配成功，则记录匹配成功的两个连通域，并将m加1更新m，当m小于等于第i帧星图连通域列表长度Li时，将j更新为i加1，n更新为1，重新执行本步骤，当m大于第i帧星图连通域列表长度Li时，将i加1更新i，当i小于N时，令m为1，j更新为i加1，n更新为1，重新执行本步骤，当i大于等于 N时，结束本步骤，进入步骤(3.6a)；如果两个连通域匹配不成功，则将n更新为n加1，如果n小于等于第j帧星图连通域列表长度Lj，重新执行本步骤，如果n大于第j帧星图连通域列表长度Lj，则将j加1更新j，n更新为1，如果j小于等于N，重新执行本步骤，如果j大于N，则将i加1更新i，m为1， j更新为i加1，n更新为1，当i小于N时，重新执行本步骤，当i大于等于N 时，结束本步骤，进入步骤(3.6a)；
(3.6a)、将k加1更新k，当k小于等于K时，重复步骤(3.4a)和(3.5a)，当k大于K时，结束本步骤。
所述第i帧星图的第m个连通域和第j帧星图的第n个连通域进行匹配运算的具体步骤如下：
(3.5a1)、根据第i帧星图和第j帧星图拍摄时对应的星敏感器姿态信息和星敏感器内置的导航星星矢量，分别计算该导航星在第i帧星图和第j帧星图上的估计星点位置：(uxi,vyi),(uxj,vyj)；
(3.5a2)、计算星点估计位置在第i帧星图和第j帧星图上移动的像素数 (δux,δvy)：
(3.5a3)、根据第i帧星图的第m个连通域和第j帧星图的第n个连通域质心位置(uim,vim),(ujn,vjn)，计算两个连通域质心在第i帧星图和第i帧星图中的移动的像素数(δu,δv)：
(3.5a4)、比较星点估计位置在第i帧星图和第j帧星图上移动的像素数 (δux,δvy)和两个连通域质心在第i帧星图和第i帧星图中移动的像素数(δu,δv)，如果满足则认为第i帧星图的第m个连通域和第j帧星图的第n个连通域对应预设的某颗导航星分别在第i帧星图和第i帧星图中拍摄的星图，匹配成功；否则认为匹配不成功。
所述其中，ρ为误差修正参数，由星敏感器所在平台载体的动态角速度和惯导测量误差确定，b为基础偏移阈值，取值范围为1～2 个像素。
对于第二情况所述步骤(3)的具体步骤为：
(3.1b)、计算步骤(2)中所得到的每帧星图中的连通域的能量和质心坐标，依据连通域的面积及能量，对连通域进行排序，将连通域的质心坐标存入相应星图的连通域队列，面积最大的连通域质心坐标排在连通域队列的最前面，面积相同的则连通域的质心坐标按照相应的连通域的能量从大到小进行排序；所述连通域的能量为连通域中所有像素的灰度值和；
(3.2b)、遍历各帧星图中的每个连通域，将其依次与后续拍摄的星图中的每个连通域进行匹配，找到表示同一个星点目标图像的连通域，具体遍历方法为：
(3.3b)、初始化i为1，m初始化为1，j初始化为i加1，n初始化为1，进入步骤(3.4b)；
(3.4b)、提取第i帧星图连通域队列中的第m个连通域质心坐标，根据根据导航星在像面上移动的速度小于预设的星点移动速度阈值的原则，将其与第j帧星图中的第n个连通域质心坐标进行匹配运算，判断分别属于两帧星图中的两个连通域是否为两帧星图拍摄时刻表示同一星点目标图像的连通域，如果两个连通域匹配成功，则记录匹配成功的两个连通域，并将m加1更新m，当m 小于等于第i帧星图连通域列表长度Li时，将j更新为i加1，n更新为1，重新执行本步骤，当m大于第i帧星图连通域列表长度Li时，将i加1更新i，当 i小于N时，令m为1，j更新为i加1，n更新为1，重新执行本步骤，当i 大于等于N时，结束本步骤；如果两个连通域匹配不成功，则将n更新为n加 1，如果n小于等于第j帧星图连通域列表长度Lj，重新执行本步骤，如果n大于第j帧星图连通域列表长度Lj，则将j加1更新j，n更新为1，如果j小于等于N，重新执行本步骤，如果j大于N，则将i加1更新i，m为1，j更新为 i加1，n为1，当i小于N时，重新执行本步骤，当i大于等于N时，结束本步骤。
所述第i帧星图的第m个连通域和第j帧星图的第n个连通域进行匹配计算的步骤为：
(3.4b1)、对第i帧星图的第m个连通域质心坐标(uim,vim)和第j帧星图的第n个连通域(ujn,vjn)，计算两个连通域质心在第i帧星图和第i帧星图中的移动的像素数(δu,δv)：
(3.4b2)、如果两个连通域质心在第i帧星图和第i帧星图中的移动的像素数(δu,δv)满足则认为第i帧星图的第m个连通域和第j帧星图的第n 个连通域对应同一颗导航星分别在第i帧星图和第i帧星图中拍摄的星图，匹配成功；否则认为匹配不成功，所述thr2为第二种情况预设的星点移动速度阈值。
所述第二种情况预设的星点移动速度阈值thr2为根据两帧星图的拍摄时间间隔和星敏感器所在平台载体的运动角速度及星敏感器的视场和探测器像素数预估的星点在两帧星图的拍摄时间间隔在像面上移动的最大像素数。
本发明与现有技术相比的优点在于：
(1)、本发明针对现有复杂环境下星图预处理技术无法滤除背景噪声或残留较多噪声、以及容易造成星点目标能量衰减和模糊的问题，采用改进的形态学TopHat滤波器和Robinson Guard滤波器进行组合滤波，能有效地滤除背景噪声，同时滤波器所采用的环形结构元较好地保护了目标不受影响，显著地提高了星点目标的信噪比；
(2)、进一步地，本发明对改进的形态学TopHat滤波算法进行了简化，提高了算法的易用性和简便性，易于硬件并行处理；
(3)、本发明针对白昼大气层内观测时、伪星点较多且无法区分的问题，采用多帧比对技术，根据两个连通域在两帧不同拍摄时间星图中的像素位置变化是否符合星点的运动变化规律的原则进行星点匹配，有效地避免了空中漂浮物等造成的伪星点的干扰，保证了星敏感器在大气层内白昼工作时星点的准确提取；
(4)、进一步地，本发明针对星敏感器是否与惯导捷联安装进行组合导航的两种情况进行细化，从而能适应不同的应用环境，具有较好的通用性。进一步地，本发明在星敏感器与惯导捷联安装时，利用惯导提供的姿态信息计算导航星在每帧星图上的估计位置，根据连通域在两帧星图拍摄时刻间在像面上移动的方向相同、像素差小于导航星在两帧星图像面上的估计星点位置变化的原则进行星点匹配，充分利用了星光惯性捷联组合导航系统的优势，能够准确的识别出真实星点；
(5)、本发明易于用硬件实现，计算量小，实时性好，具有很高的使用价值。
附图说明
图1为白昼有云环境下星点提取方法的流程图；
图2(a)为白昼有云环境下拍摄的原始星图；
图2(b)为采用目前常用的形态学滤波方法处理后的星图；
图2(c)为采用本发明实施例组合滤波方法处理后得到的第二星图；
图3(a)为改进的形态学TopHat滤波器的外部结构元Bo；
图3(b)为改进的形态学TopHat滤波器的内部结构元Bi；
图3(c)为改进的形态学TopHat滤波器的边缘结构元A；
图4为Robinson Guard滤波器结构元示意图；
图5为多帧比对伪星剔除方法的流程图；
图6为基于惯导姿态信息进行连通域两两比对原理的示意图；
图7为理想化的星敏感器测量模型；
图8为连通域比对结果匹配原理的示意图。
具体实施方式
以下结合附图和具体实施例对本发明进行详细说明。
如图1所示，本发明提供的一种白昼有云环境下星点提取方法的具体实施步骤如下：
(1)、星敏感器对准某个天区后，连续拍摄N帧星图，对星敏感器连续拍摄的N帧原始白昼有云星图进行星图预处理，滤除云层干扰和背景噪声，一般情况下，所述N大于等于5；
所述星图预处理过程为：
(1.1)、对原始白昼有云星图采用改进的TopHat滤波方法，抑制云层干扰和背景噪声，得到第一星图；
改进的TopHat算子滤波方法的具体实现为：
(1.1.1)、对原始白昼有云星图逐行逐像素点移动大小为n＊n、中心空白区域尺寸为(n-2)＊(n-2)的环形结构元进行空间滤波处理即：对每个像素点，保持结构元内除中心像素外其它像素灰度值不变，将结构元中心像素的灰度值赋值为结构元周边区域内像素灰度的最大值，得到白昼有云星图最大图，所述 n为整数，n大于等于3；
(1.1.2)、对步骤(1.1.1)滤波处理之后的白昼有云星图最大图逐行逐像素点移动大小为(n-2)＊(n-2)的结构元进行空间滤波处理，即：对每个像素点，保持结构元内除中心像素外其它像素灰度值不变，将结构元中心像素的灰度值赋值为结构元区域内像素灰度的最小值，得到白昼有云星图最小图；
(1.1.3)、将原始白昼有云星图与白昼有云星图最小图对应像素点的灰度值相减，并将相减结果中小于0的像素点的灰度值置为0，得到抑制云层干扰和背景噪声的第一星图。
如图3(a)、图3(b)和图3(c)所示，本实施例中滤波结构元的选取为：选取外部结构元Bo为5＊5的平结构元，内部结构元Bi为3＊3的平结构元，两个结构元具有相同的中心，则边缘结构元A＝Bo－Bi，为5＊5大小的、中心3＊3区域为空的环形结构元，如图2(c)所示，当采用结构元A进行形态学运算时仅使用环形边缘的16个像素参与运算。改进的TopHat滤波运算结果为TH(f)＝f-(f⊕A)ΘBi，其中，f表示原始星图，⊕表示形态学膨胀运算，Θ表示形态学腐蚀运算，TH(f)为滤波后的结果。
本实施例中，改进的TopHat滤波方法如下：
第1步：求最大图。对原始星图逐行移动5＊5环形结构元A，结构元中心像素的灰度值等于5＊5结构元A环形区域内像素的最大值(即在原始星图各像素的环形邻域16个元素中选出最大值替代原像素值)。
第2步：求最小图，对第1步得到的最大图逐行移动3＊3结构元Bi，结构元中心像素的灰度值等于结构元区域内像素的最小值(即在最大图各像素的 3＊3邻域内选出最小值替代原像素值)，得到最小图，该图即为滤波得到的背景图；
第3步：求改进TopHat滤波后的星图，采用滤波前的原始星图对应像素相减减去第2步得到的背景图，将第3步得到的结果中灰度值小于0的像素置为0，得到滤波后的抑制云层干扰和背景噪声的第一星图。
(1.2)、对滤波后的第一星图利用Robinson Guard滤波器进一步抑制背景噪声，得到第二星图。
具体地，Robinson Guard滤波方法滤波结构元根据星点在像面上的大小来确定。本实施例中，由于目标大小最大不会超过5＊5个像素，因此，选取目标大小为5＊5像素，保护带宽度设为2像素，结构元大小为9＊9像素，Robinson Guard滤波器结构元结构，如图4所示。可以看出，Robinson Guard滤波器也采用环形邻域中的像素进行计算。
本实施例中，Robinson Guard滤波算法步骤如下：对第一星图逐行移动 9＊9环形结构元，统计环形邻域中a1～a32像素灰度值的最大值和最小值，结构元中心像素的灰度值按照下式进行计算，即得到滤波后的第二星图。
式中，f表示原始星图，X为结构元中心像素的灰度值，max和min为求最大值和最小值运算，ai为结构元中心像素的环形邻域像素的灰度值，RG(f)为滤波后的结果。
图2(a)为白昼有云环境下拍摄的原始星图，图2(b)为采用目前常用的形态学滤波方法处理后的星图，图2(c)为采用本发明实施例组合滤波方法处理后得到的第二星图。如图所示，现有复杂环境下星图预处理技术无法滤除背景噪声或残留较多噪声、以及容易造成星点目标能量衰减和模糊的问题，而本发明实施例采用改进的形态学TopHat滤波器和Robinson Guard滤波器进行组合滤波，能有效地滤除背景噪声，同时滤波器所采用的环形结构元较好地保护了目标不受影响，显著地提高了星点目标的信噪比。
(2)、提取预处理后的每一帧星图中灰度值高于预设灰度阈值的所有像素的坐标和灰度值，根据所述像素的坐标和灰度值，进行四连通域提取，获取每一帧星图中连通域面积大于第一预设面积门限的连通域，剔除每一帧星图中连通域面积大于第二预设面积门限的连通域，计算剩下的连通域在所属星图中的质心坐标，剔除每一帧星图中连通域质心距离小于预设距离门限的连通域；
具体地，本实施例采用自适应阈值法，预设灰度阈值计算公式为： Vth＝μ+α·σ，式中，μ为第二星图全部像素灰度的均值、σ为全部像素灰度的标准差，α为与星图噪声相关的系数，为固定值，通常取为2～5。
另外，本实施例中，星点面积至少大于3个像素，因此，所述第一预设面积门限设为3，这个门限可以根据实际情形自行设置。
完成各帧星图的连通域提取后，对每一帧星图提取出的连通域，剔除其中面积过大和相互之间离得过近的连通域。
具体地，对每一帧星图提取出的连通域，删除其中面积大于25(此处认为星点面积不会大于25个像素，使用者可以根据实际情形自行设置)和相互之间距离小于50的连通域(此处认为两个星点在像面的行方向和列方向上不会相距小于50个像素，使用者可以根据实际情形自行设置)。即：所述第二预设面积门限为25，预设距离门限为50。
(3)、遍历步骤(2)所得到的每帧星图中的连通域的质心坐标，根据两个连通域在两帧不同拍摄时间星图中的像素位置变化是否符合星点的运动变化规律的原则，将各帧星图中的每个连通域依次与后续拍摄的星图中的每个连通域进行匹配运算，从后续拍摄的星图中搜索最近拍摄到的与之表示同一个星点目标图像面积最大能量最高的连通域，所述连通域的能量为连通域中所有像素的灰度值和。
如图5所示，这个步骤分为两种情况进行处理：
第一种情况为所述星敏感器与惯导捷联安装，能够实时获取星敏感器的姿态信息，可以根据姿态信息和存储在星敏感器导航星表中的导航星在惯性系下的星矢量，推算出任意时刻星敏感器视场内可以观测到的导航星数量、各导航星在每帧星图像面上的估计星点位置，相应地，步骤(3)根据连通域在两帧星图拍摄时刻间在像面上移动的方向相同、像素差小于导航星在两帧星图像面上的估计星点位置变化的原则，判断分别属于两帧星图中的两个连通域是否为两帧星图拍摄时刻表示同一个星点目标图像的连通域；
第二情况为所述星敏感器不与惯导捷联安装，不能实时获取星敏感器的姿态信息，根据连通域在像面上移动的速度小于预设的星点移动速度阈值的原则，判断分别属于两帧星图中的两个连通域是否为两帧星图拍摄时刻表示同一个星点目标图像的连通域。
对于第一情况，具体实现步骤为：
(3.1a)、计算步骤(2)中所得到的每帧星图中的连通域的能量和质心坐标，依据连通域的面积及能量，对连通域进行排序，将连通域的质心坐标存入相应星图的连通域队列，面积最大的连通域质心坐标排在连通域队列的最前面，面积相同的则连通域的质心坐标按照相应的连通域的能量从大到小进行排序；
(3.2a)、根据各帧星图拍摄时刻星敏感器姿态信息和星敏感器内置的导航星星矢量，计算出星敏感器视场内可以观测到的导航星数量K及其各颗导航星在各帧星图拍摄时刻在像面上的估计星点位置，遍历各帧星图中的每个连通域，将其依次与后续拍摄的星图中的每个连通域进行匹配，找到表示同一个星点目标图像的连通域。
星敏感器对准某个天区后，根据惯导提供的姿态信息和坐标系转换关系计算出星敏感器光轴(即星敏感器测量系的Zs轴)在惯性系下的矢量。然后遍历导航星表，找出导航星矢量与光轴矢量的夹角小于星敏感器视场的导航星，即为能在视场内观测的K颗导航星。该过程可以在对准某个天区后拍摄连续多帧星图前，也可以在拍摄完星图后进行多帧比对前。
具体遍历方法为：
(3.3a)、初始化k为1，进入步骤(3.4a)；
(3.4a)、初始化i为1，m初始化为1，j初始化为i加1，n初始化为1，进入步骤(3.5a)；
(3.5a)、提取第i帧星图连通域队列中的第m个连通域质心坐标，根据该连通域在两帧星图拍摄时刻间在像面上移动的方向相同、像素差小于第k颗导航星在两帧星图像面上的估计星点位置变化的原则，将其与第j帧星图中的第n 个连通域质心坐标进行匹配运算，判断分别属于两帧星图中的两个连通域是否为两帧星图拍摄时刻表示该颗导航星星点目标图像的连通域，如果两个连通域匹配成功，则记录匹配成功的两个连通域，并将m加1更新m，当m小于等于第i帧星图连通域列表长度Li时，将j更新为i加1，n更新为1，重新执行本步骤，当m大于第i帧星图连通域列表长度Li时，将i加1更新i，当i小于 N时，令m为1，j更新为i加1，n更新为1，重新执行本步骤，当i大于等于N时，结束本步骤，进入步骤(3.6a)；如果两个连通域匹配不成功，则将n更新为n加1，如果n小于等于第j帧星图连通域列表长度Lj，重新执行本步骤，如果n大于第j帧星图连通域列表长度Lj，则将j加1更新j，n更新为1，如果j小于等于N，重新执行本步骤，如果j大于N，则将i加1更新i，m为1， j更新为i加1，n更新为1，当i小于N时，重新执行本步骤，当i大于等于N 时，结束本步骤，进入步骤(3.6a)。
例如，对第1帧星图的第1个连通域与第2帧星图中所有连通域进行比对：如果与某个连通域比对成功则该连通域比对完成，停止比对；如果比对失败则与第3帧中的所有连通域进行比对，比对成功即停止；比对失败则依次类推，直到与全部帧的连通域均比对失败为止；第1帧的第1个连通域比对完成后依次对第1帧之后的连通域进行比对；直到第1帧中所有连通域比对完成为止；类似的，对第2帧星图中的所有连通域与其后的星图进行比对，直到比完为止；依次类推，完成所有帧的比对。对视场内的所有的导航星重复以上比对过程，完成所有比对匹配。
如图6所示，所述第i帧星图的第m个连通域和第j帧星图的第n个连通域进行匹配运算的具体步骤如下：
(3.5a1)、根据第i帧星图和第j帧星图拍摄时对应的星敏感器姿态信息和星敏感器内置的导航星星矢量，分别计算该导航星在第i帧星图和第j帧星图上的估计星点位置：(uxi,vyi),(uxj,vyj)；
估计星点位置计算的基本原理如下：
惯性坐标系Oxiyizi：原点在地球中心O，Oxi在地球赤道面内指向春分点，Ozi轴沿地球自转轴方向，Oyi与Oxi和Ozi组成右手坐标系。
惯导坐标系Oxinsyinszins和星敏感器测量坐标系Oxsyszs：星敏感器捷联安装在惯导上，惯导坐标系和星敏感器测量坐标系间相差一个安装常量矩阵M。
惯导提供其在惯性系下的姿态四元数，从而可以得到从惯性系转换到惯导坐标系的姿态转换阵C。
导航星表存储在星敏感器内，包括恒星的星等、星号、在惯性系的赤经和赤纬、与周围邻近星的角距等信息。导航星表是通过对天文台提供的基本星表进行筛选优化后得到的，通常采用依巴谷星表。其中导航星的方位是在惯性系中表示的，设恒星在惯性系中的赤经、赤纬分别为αi和δi，则其在惯性系中的坐标为：
令导航星矢量Vi＝[xi,yi,zi]T，则其转换到星敏感器测量坐标系中的坐标矢量为Vs＝M·C·Vi＝[xs,ys,zs]T。
图7为理想化的星敏感器测量模型，可以由导航星在星敏感器测量坐标系的矢量确定出其在探测器像平面上的位置坐标(Mx,My)。根据相似三角形的几何关系可得：
式中，dh、dv为探测器像元尺寸的宽和高，f为焦距。设星敏感器视场为 FOVx×FOVy，探测器面阵大小为Nx×Ny像元，则由几何关系可得
以上计算求得的是以像平面中心为坐标原点的星点位置坐标，而由于星图坐标原点在左上角，因此最终的星点位置坐标(Lx,Ly)为：
上述流程简化了惯性坐标系到惯导坐标系的转换和星敏感器测量系矢量到像面坐标的转换，星敏感器测量模型采用的是理想模型，用于说明计算的原理。实际上光学系统不可避免的有畸变，因此无法直接由相似三角形关系得到。实际星敏感器应用中是通过对星敏感器进行标定得到测量系矢量和像面坐标的转换关系(即内参数和外参数，通过对像面坐标和测量系矢量进行拟合得到)。另外，以上流程中导航星表中的星矢量(赤经和赤纬)是经过修正的。由于自行、岁差和章动等影响，在实际应用时需要对星表进行修正。不过恒星在惯性系下的位置在短时间内可以认为是不变的。
(3.5a2)、计算星点估计位置在第i帧星图和第j帧星图上移动的像素数 (δux,δvy)：
(3.5a3)、根据第i帧星图的第m个连通域和第j帧星图的第n个连通域质心位置(uim,vim),(ujn,vjn)，计算两个连通域质心在第i帧星图和第i帧星图中的移动的像素数(δu,δv)：
(3.5a4)、比较星点估计位置在第i帧星图和第j帧星图上移动的像素数 (δux,δvy)和两个连通域质心在第i帧星图和第i帧星图中移动的像素数(δu,δv)，如果满足则认为第i帧星图的第m个连通域和第j帧星图的第n个连通域对应预设的某颗导航星分别在第i帧星图和第i帧星图中拍摄的星图，匹配成功；否则认为匹配不成功。
所述其中ρ为误差修正参数，由星敏感器所在平台载体的动态角速度和惯导测量误差确定，b为基础偏移阈值，为1～2个像素。
ρ需要根据星敏感器应用平台载体(如飞机)的动态角速度、惯导在星图拍摄时间间隔内的测量误差和星敏感器的内外参数等参数综合仿真确定。简要分析如下：
理想情况下根据惯导计算出的星点在像面的移动像素数应该与实际情况相同，即理想情况下thr1小于1。然而由于惯导存在测量误差，因此根据惯导提供的姿态信息计算出的估计星点位置存在误差。同时考虑到载体在动态下有角速度，会导致星点在像面上有模糊、弥散和拖尾，导致提取出的连通域质心位置存在误差。此外还有星敏感器测量系坐标转换的误差(即根据姿态信息和内外参数计算像面上估计位置的误差)、星图滤波预处理对星点灰度值影响导致的质心计算误差等等。
将过程简化处理，忽略次要因素，可以将ρ分为ρ1×ρ2，其中，ρ1是由惯导测量误差引起的系数，ρ2是由载体动态角速度引起的系数。一般情况下ρ很小，不到0.1。
(3.6a)、将k加1更新k，当k小于等于K时，重复步骤(3.4a)和(3.5a)，当k大于K时，结束本步骤。
对于第二种情况，具体实现步骤为：
(3.1b)、计算步骤(2)中所得到的每帧星图中的连通域的能量和质心坐标，依据连通域的面积及能量，对连通域进行排序，将连通域的质心坐标存入相应星图的连通域队列，面积最大的连通域质心坐标排在连通域队列的最前面，面积相同的则连通域的质心坐标按照相应的连通域的能量从大到小进行排序；所述连通域的能量为连通域中所有像素的灰度值和；
(3.2b)、遍历各帧星图中的每个连通域，将其依次与后续拍摄的星图中的每个连通域进行匹配，找到表示同一个星点目标图像的连通域，具体遍历方法为：
(3.3b)、初始化i为1，m初始化为1，j初始化为i加1，n初始化为1，进入步骤(3.4b)；
(3.4b)、提取第i帧星图连通域队列中的第m个连通域质心坐标，根据根据导航星在像面上移动的速度小于预设的星点移动速度阈值的原则，将其与第 j帧星图中的第n个连通域质心坐标进行匹配运算，判断分别属于两帧星图中的两个连通域是否为两帧星图拍摄时刻表示同一星点目标图像的连通域，如果两个连通域匹配成功，则记录匹配成功的两个连通域，并将m加1更新m，当m 小于等于第i帧星图连通域列表长度Li时，将j更新为i加1，n更新为1，重新执行本步骤，当m大于第i帧星图连通域列表长度Li时，将i加1更新i，当 i小于N时，令m为1，j更新为i加1，n更新为1，重新执行本步骤，当i 大于等于N时，结束本步骤；如果两个连通域匹配不成功，则将n更新为n加 1，如果n小于等于第j帧星图连通域列表长度Lj，重新执行本步骤，如果n大于第j帧星图连通域列表长度Lj，则将j加1更新j，n更新为1，如果j小于等于N，重新执行本步骤，如果j大于N，则将i加1更新i，m为1，j更新为 i加1，n为1，当i小于N时，重新执行本步骤，当i大于等于N时，结束本步骤。
所述第i帧星图的第m个连通域和第j帧星图的第n个连通域进行匹配计算的步骤为：
(3.4b1)、对第i帧星图的第m个连通域质心坐标(uim,vim)和第j帧星图的第n个连通域(ujn,vjn)，计算两个连通域质心在第i帧星图和第i帧星图中的移动的像素数(δu,δv)：
(3.4b2)、如果两个连通域质心在第i帧星图和第i帧星图中的移动的像素数(δu,δv)满足则认为第i帧星图的第m个连通域和第j帧星图的第n 个连通域对应同一颗导航星分别在第i帧星图和第i帧星图中拍摄的星图，匹配成功；否则认为匹配不成功，所述thr2为第二种情况预设的星点移动速度阈值。
所述第二种情况预设的星点移动速度阈值thr为根据两帧星图的拍摄时间间隔和星敏感器所在平台载体的运动角速度及星敏感器的视场和探测器像素数预估的星点在两帧星图的拍摄时间间隔在像面上移动的最大像素数。
(4)、将各帧星图中表示同一个星点目标图像的连通域合并，并统计所有表示同一个星点目标图像的连通域个数，当N帧星图中表示同一个星点目标图像的连通域个数大于预设的门限时，确定该星点目标为真星点目标，否则，认为该星点目标为伪星点目标。
如图7所示，一共有N帧星图，各帧星图的连通域数量不一。若第1帧的第2个连通域与第2帧的第1个连通域比对成功，且第2帧的第1个连通域与第4帧的第1个连通域比对成功，则说明该星点在整个多帧图中出现了3次。将匹配成功的同一连通域的结果进行保存，保存该连通域在多帧星图中出现的次数及在像面的坐标位置，视为一组识别成功的连通域。
(5)、剔除所有伪星点目标，提取每个真星点目标相关的连通域在各帧星图中的质心位置，得到每个真星点目标在各星图拍摄时刻对应的运动轨迹。
本发明未详细说明部分属本领域技术人员公知常识。
Claims (10)
1.一种白昼有云环境下导航星星点提取的方法，其特征在于步骤如下：
(1)、对星敏感器连续拍摄的N帧原始白昼有云星图进行星图预处理，滤除云层干扰和背景噪声，所述N大于等于5；
(2)、提取预处理后的每一帧星图中灰度值高于预设灰度阈值的所有像素的坐标和灰度值，根据所述像素的坐标和灰度值，进行四连通域提取，获取每一帧星图中连通域面积大于第一预设面积门限的连通域，剔除每一帧星图中连通域面积大于第二预设面积门限的连通域，计算剩下的连通域在所属星图中的质心坐标，剔除每一帧星图中连通域质心距离小于预设距离门限的连通域；
(3)、遍历步骤(2)所得到的每帧星图中的连通域的质心坐标，根据两个连通域在两帧不同拍摄时间星图中的像素位置变化是否符合星点的运动变化规律的原则，将各帧星图中的每个连通域依次与后续拍摄的星图中的每个连通域进行匹配运算，从后续拍摄的星图中搜索最近拍摄到的与之表示同一个星点目标图像面积最大能量最高的连通域，所述连通域的能量为连通域中所有像素的灰度值和；
(4)、将各帧星图中表示同一个星点目标图像的连通域合并，并统计所有表示同一个星点目标图像的连通域个数，当N帧星图中表示同一个星点目标图像的连通域个数大于预设的门限时，确定该星点目标为真星点目标，否则，认为该星点目标为伪星点目标；
(5)、剔除所有伪星点目标，提取每个真星点目标相关的连通域在各帧星图中的质心位置，得到每个真星点目标在各星图拍摄时刻对应的运动轨迹。
2.根据权利要求1所述的一种白昼有云环境下导航星星点提取的方法，其特征在于步骤(1)对原始白昼有云星图进行预处理的过程为：
(1.1)、对原始白昼有云星图采用改进的TopHat滤波方法，抑制云层干扰和背景噪声，得到第一星图；
(1.2)、对滤波后的第一星图利用Robinson Guard滤波器进一步抑制背景噪声，得到第二星图。
3.根据权利要求1所述的一种白昼有云环境下导航星星点提取的方法，其特征在于所述改进的TopHat滤波方法的具体实现为：
(1.1.1)、对原始白昼有云星图逐行逐像素点移动大小为n*n、中心空白区域尺寸为(n-2)*(n-2)的环形结构元进行空间滤波处理即：对每个像素点，保持结构元内除中心像素外其它像素灰度值不变，将结构元中心像素的灰度值赋值为结构元周边区域内像素灰度的最大值，得到白昼有云星图最大图，所述n为整数，n大于等于3；
(1.1.2)、对步骤(1.1.1)滤波处理之后的白昼有云星图最大图逐行逐像素点移动大小为(n-2)*(n-2)的结构元进行空间滤波处理，即：对每个像素点，保持结构元内除中心像素外其它像素灰度值不变，将结构元中心像素的灰度值赋值为结构元区域内像素灰度的最小值，得到白昼有云星图最小图；
(1.1.3)、将原始白昼有云星图与白昼有云星图最小图对应像素点的灰度值相减，并将相减结果中小于0的像素点的灰度值置为0，得到抑制云层干扰和背景噪声的第一星图。
4.根据权利要求1所述的一种白昼有云环境下导航星星点提取的方法，其特征在于所述步骤(3)分为两种情况：
第一种情况为所述星敏感器与惯导捷联安装，能够实时获取星敏感器的姿态信息，可以根据姿态信息和存储在星敏感器导航星表中的导航星在惯性系下的星矢量，推算出任意时刻星敏感器视场内可以观测到的导航星数量、各导航星在每帧星图像面上的估计星点位置，相应地，步骤(3)根据连通域在两帧星图拍摄时刻间在像面上移动的方向相同、像素差小于导航星在两帧星图像面上的估计星点位置变化的原则，判断分别属于两帧星图中的两个连通域是否为两帧星图拍摄时刻表示同一个星点目标图像的连通域；
第二情况为所述星敏感器不与惯导捷联安装，不能实时获取星敏感器的姿态信息，根据连通域在像面上移动的速度小于预设的星点移动速度阈值的原则，判断分别属于两帧星图中的两个连通域是否为两帧星图拍摄时刻表示同一个星点目标图像的连通域。
5.根据权利要求4所述的一种白昼有云环境下导航星星点提取的方法，其特征在于对于第一情况所述步骤(3)的具体步骤为：
(3.1a)、计算步骤(2)中所得到的每帧星图中的连通域的能量和质心坐标，依据连通域的面积及能量，对连通域进行排序，将连通域的质心坐标存入相应星图的连通域队列，面积最大的连通域质心坐标排在连通域队列的最前面，面积相同的则连通域的质心坐标按照相应的连通域的能量从大到小进行排序；
(3.2a)、根据各帧星图拍摄时刻星敏感器姿态信息和星敏感器内置的导航星星矢量，计算出星敏感器视场内可以观测到的导航星数量K及其各颗导航星在各帧星图拍摄时刻在像面上的估计星点位置，遍历各帧星图中的每个连通域，将其依次与后续拍摄的星图中的每个连通域进行匹配，找到表示同一个星点目标图像的连通域，具体遍历方法为：
(3.3a)、初始化k为1，进入步骤(3.4a)；
(3.4a)、初始化i为1，m初始化为1，j初始化为i加1，n初始化为1，进入步骤(3.5a)；
(3.5a)、提取第i帧星图连通域队列中的第m个连通域质心坐标，根据该连通域在两帧星图拍摄时刻间在像面上移动的方向相同、像素差小于第k颗导航星在两帧星图像面上的估计星点位置变化的原则，将其与第j帧星图中的第n个连通域质心坐标进行匹配运算，判断分别属于两帧星图中的两个连通域是否为两帧星图拍摄时刻表示该颗导航星星点目标图像的连通域，如果两个连通域匹配成功，则记录匹配成功的两个连通域，并将m加1更新m，当m小于等于第i帧星图连通域列表长度Li时，将j更新为i加1，n更新为1，重新执行本步骤，当m大于第i帧星图连通域列表长度Li时，将i加1更新i，当i小于N时，令m为1，j更新为i加1，n更新为1，重新执行本步骤，当i大于等于N时，结束本步骤，进入步骤(3.6a)；如果两个连通域匹配不成功，则将n更新为n加1，如果n小于等于第j帧星图连通域列表长度Lj，重新执行本步骤，如果n大于第j帧星图连通域列表长度Lj，则将j加1更新j，n更新为1，如果j小于等于N，重新执行本步骤，如果j大于N，则将i加1更新i，m为1，j更新为i加1，n更新为1，当i小于N时，重新执行本步骤，当i大于等于N时，结束本步骤，进入步骤(3.6a)；
(3.6a)、将k加1更新k，当k小于等于K时，重复步骤(3.4a)和(3.5a)，当k大于K时，结束本步骤。
6.根据权利要求5所述的一种白昼有云环境下星点提取的方法，其特征在于所述第i帧星图的第m个连通域和第j帧星图的第n个连通域进行匹配运算的具体步骤如下：
(3.5a1)、根据第i帧星图和第j帧星图拍摄时对应的星敏感器姿态信息和星敏感器内置的导航星星矢量，分别计算该导航星在第i帧星图和第j帧星图上的估计星点位置：(uxi,vyi),(uxj,vyj)；
(3.5a2)、计算星点估计位置在第i帧星图和第j帧星图上移动的像素数(δux,δvy)：
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>&delta;</mi>
<mrow>
<mi>u</mi>
<mi>x</mi>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>ux</mi>
<mi>j</mi>
</msub>
<mo>-</mo>
<msub>
<mi>ux</mi>
<mi>i</mi>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>&delta;</mi>
<mrow>
<mi>v</mi>
<mi>y</mi>
</mrow>
</msub>
<mo>=</mo>
<msub>
<mi>vy</mi>
<mi>j</mi>
</msub>
<mo>-</mo>
<msub>
<mi>vy</mi>
<mi>i</mi>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>;</mo>
</mrow>
(3.5a3)、根据第i帧星图的第m个连通域和第j帧星图的第n个连通域质心位置(uim,vim),(ujn,vjn)，计算两个连通域质心在第i帧星图和第i帧星图中的移动的像素数(δu,δv)：
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>&delta;</mi>
<mi>u</mi>
</msub>
<mo>=</mo>
<msub>
<mi>u</mi>
<mrow>
<mi>j</mi>
<mi>n</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>u</mi>
<mrow>
<mi>i</mi>
<mi>m</mi>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>&delta;</mi>
<mi>v</mi>
</msub>
<mo>=</mo>
<msub>
<mi>v</mi>
<mrow>
<mi>j</mi>
<mi>n</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>v</mi>
<mrow>
<mi>i</mi>
<mi>m</mi>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>;</mo>
</mrow>
(3.5a4)、比较星点估计位置在第i帧星图和第j帧星图上移动的像素数(δux,δvy)和两个连通域质心在第i帧星图和第i帧星图中移动的像素数(δu,δv)，如果满足则认为第i帧星图的第m个连通域和第j帧星图的第n个连通域对应预设的某颗导航星分别在第i帧星图和第i帧星图中拍摄的星图，匹配成功；否则认为匹配不成功。
7.根据权利要求6所述的一种白昼有云环境下导航星星点提取的方法，其特征在于所述其中，ρ为误差修正参数，由星敏感器所在平台载体的动态角速度和惯导测量误差确定，b为基础偏移阈值，取值范围为1～2个像素。
8.根据权利要求4所述的一种白昼有云环境下导航星星点提取的方法，其特征在于对于第二情况所述步骤(3)的具体步骤为：
(3.1b)、计算步骤(2)中所得到的每帧星图中的连通域的能量和质心坐标，依据连通域的面积及能量，对连通域进行排序，将连通域的质心坐标存入相应星图的连通域队列，面积最大的连通域质心坐标排在连通域队列的最前面，面积相同的则连通域的质心坐标按照相应的连通域的能量从大到小进行排序；所述连通域的能量为连通域中所有像素的灰度值和；
(3.2b)、遍历各帧星图中的每个连通域，将其依次与后续拍摄的星图中的每个连通域进行匹配，找到表示同一个星点目标图像的连通域，具体遍历方法为：
(3.3b)、初始化i为1，m初始化为1，j初始化为i加1，n初始化为1，进入步骤(3.4b)；
(3.4b)、提取第i帧星图连通域队列中的第m个连通域质心坐标，根据根据导航星在像面上移动的速度小于预设的星点移动速度阈值的原则，将其与第j帧星图中的第n个连通域质心坐标进行匹配运算，判断分别属于两帧星图中的两个连通域是否为两帧星图拍摄时刻表示同一星点目标图像的连通域，如果两个连通域匹配成功，则记录匹配成功的两个连通域，并将m加1更新m，当m小于等于第i帧星图连通域列表长度Li时，将j更新为i加1，n更新为1，重新执行本步骤，当m大于第i帧星图连通域列表长度Li时，将i加1更新i，当i小于N时，令m为1，j更新为i加1，n更新为1，重新执行本步骤，当i大于等于N时，结束本步骤；如果两个连通域匹配不成功，则将n更新为n加1，如果n小于等于第j帧星图连通域列表长度Lj，重新执行本步骤，如果n大于第j帧星图连通域列表长度Lj，则将j加1更新j，n更新为1，如果j小于等于N，重新执行本步骤，如果j大于N，则将i加1更新i，m为1，j更新为i加1，n为1，当i小于N时，重新执行本步骤，当i大于等于N时，结束本步骤。
9.根据权利要求8所述的一种白昼有云环境下星点提取的方法，其特征在于所述第i帧星图的第m个连通域和第j帧星图的第n个连通域进行匹配计算的步骤为：
(3.4b1)、对第i帧星图的第m个连通域质心坐标(uim,vim)和第j帧星图的第n个连通域(ujn,vjn)，计算两个连通域质心在第i帧星图和第i帧星图中的移动的像素数(δu,δv)：
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>&delta;</mi>
<mi>u</mi>
</msub>
<mo>=</mo>
<msub>
<mi>u</mi>
<mrow>
<mi>j</mi>
<mi>n</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>u</mi>
<mrow>
<mi>i</mi>
<mi>m</mi>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>&delta;</mi>
<mi>v</mi>
</msub>
<mo>=</mo>
<msub>
<mi>v</mi>
<mrow>
<mi>j</mi>
<mi>n</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>v</mi>
<mrow>
<mi>i</mi>
<mi>m</mi>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
(3.4b2)、如果两个连通域质心在第i帧星图和第i帧星图中的移动的像素数(δu,δv)满足则认为第i帧星图的第m个连通域和第j帧星图的第n个连通域对应同一颗导航星分别在第i帧星图和第i帧星图中拍摄的星图，匹配成功；否则认为匹配不成功，所述thr2为第二种情况预设的星点移动速度阈值。
10.根据权利要求9所述的一种白昼有云环境下导航星星点提取的方法，其特征在于所述第二种情况预设的星点移动速度阈值thr2为根据两帧星图的拍摄时间间隔和星敏感器所在平台载体的运动角速度及星敏感器的视场和探测器像素数预估的星点在两帧星图的拍摄时间间隔在像面上移动的最大像素数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710556860.7A CN107504966B (zh) | 2017-07-10 | 2017-07-10 | 一种白昼有云环境下导航星星点提取的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710556860.7A CN107504966B (zh) | 2017-07-10 | 2017-07-10 | 一种白昼有云环境下导航星星点提取的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107504966A true CN107504966A (zh) | 2017-12-22 |
| CN107504966B CN107504966B (zh) | 2019-12-20 |
Family
ID=60679521
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710556860.7A Active CN107504966B (zh) | 2017-07-10 | 2017-07-10 | 一种白昼有云环境下导航星星点提取的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107504966B (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109724588A (zh) * | 2018-12-25 | 2019-05-07 | 北京控制工程研究所 | 一种白昼星敏感器 |
| CN109829913A (zh) * | 2019-02-20 | 2019-05-31 | 北京航空航天大学 | 基于连通域像素灰度和的单粒子像点鉴别方法 |
| CN110617802A (zh) * | 2019-07-26 | 2019-12-27 | 北京控制工程研究所 | 一种星载动目标检测及速度估计方法 |
| CN110852969A (zh) * | 2019-11-07 | 2020-02-28 | 中国科学院微小卫星创新研究院 | 一种基于局部异常因子的星图小波去噪方法 |
| CN110887474A (zh) * | 2019-11-19 | 2020-03-17 | 中国科学院国家天文台长春人造卫星观测站 | 一种用于精密跟踪型望远镜的星图识别方法 |
| CN111024063A (zh) * | 2019-12-23 | 2020-04-17 | 上海交通大学 | 一种基于星点重提取的大机动条件下星图识别算法 |
| CN111089586A (zh) * | 2020-01-10 | 2020-05-01 | 上海航天控制技术研究所 | 一种基于多帧累加算法的全天时星敏感器星点提取方法 |
| CN113532446A (zh) * | 2021-07-20 | 2021-10-22 | 北京控制工程研究所 | 一种基于迭代遍历的星敏感器抗杂光星点提取方法及装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN105357435A (zh) * | 2015-10-30 | 2016-02-24 | 北京控制工程研究所 | 一种白昼环境星光定向仪调焦方法 |
| CN105374035A (zh) * | 2015-11-03 | 2016-03-02 | 北京航空航天大学 | 杂光干扰下星敏感器星点提取方法 |
| US9372250B2 (en) * | 2013-06-28 | 2016-06-21 | The Charles Stark Draper Laboratory, Inc. | Chip-scale star tracker |
-
2017
- 2017-07-10 CN CN201710556860.7A patent/CN107504966B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| US9372250B2 (en) * | 2013-06-28 | 2016-06-21 | The Charles Stark Draper Laboratory, Inc. | Chip-scale star tracker |
| CN105357435A (zh) * | 2015-10-30 | 2016-02-24 | 北京控制工程研究所 | 一种白昼环境星光定向仪调焦方法 |
| CN105374035A (zh) * | 2015-11-03 | 2016-03-02 | 北京航空航天大学 | 杂光干扰下星敏感器星点提取方法 |
Non-Patent Citations (1)
| Title |
|---|
| 王龙 等: "星敏感器星点聚类提取方法", 《中国科学》 * |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109724588A (zh) * | 2018-12-25 | 2019-05-07 | 北京控制工程研究所 | 一种白昼星敏感器 |
| CN109829913A (zh) * | 2019-02-20 | 2019-05-31 | 北京航空航天大学 | 基于连通域像素灰度和的单粒子像点鉴别方法 |
| CN110617802A (zh) * | 2019-07-26 | 2019-12-27 | 北京控制工程研究所 | 一种星载动目标检测及速度估计方法 |
| CN110852969A (zh) * | 2019-11-07 | 2020-02-28 | 中国科学院微小卫星创新研究院 | 一种基于局部异常因子的星图小波去噪方法 |
| CN110852969B (zh) * | 2019-11-07 | 2022-06-28 | 中国科学院微小卫星创新研究院 | 一种基于局部异常因子的星图小波去噪方法 |
| CN110887474A (zh) * | 2019-11-19 | 2020-03-17 | 中国科学院国家天文台长春人造卫星观测站 | 一种用于精密跟踪型望远镜的星图识别方法 |
| CN110887474B (zh) * | 2019-11-19 | 2023-03-21 | 中国科学院国家天文台长春人造卫星观测站 | 一种用于精密跟踪型望远镜的星图识别方法 |
| CN111024063A (zh) * | 2019-12-23 | 2020-04-17 | 上海交通大学 | 一种基于星点重提取的大机动条件下星图识别算法 |
| CN111089586A (zh) * | 2020-01-10 | 2020-05-01 | 上海航天控制技术研究所 | 一种基于多帧累加算法的全天时星敏感器星点提取方法 |
| CN113532446A (zh) * | 2021-07-20 | 2021-10-22 | 北京控制工程研究所 | 一种基于迭代遍历的星敏感器抗杂光星点提取方法及装置 |
| CN113532446B (zh) * | 2021-07-20 | 2022-07-05 | 北京控制工程研究所 | 一种基于迭代遍历的星敏感器抗杂光星点提取方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107504966B (zh) | 2019-12-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107504966A (zh) | 一种白昼有云环境下导航星星点提取的方法 | |
| CN111626290B (zh) | 一种复杂海面环境下的红外舰船目标检测识别方法 | |
| CN111862126B (zh) | 深度学习与几何算法结合的非合作目标相对位姿估计方法 | |
| CN108645401B (zh) | 基于姿态关联图像叠加的全天时星敏感器星点提取方法 | |
| CN102128623B (zh) | 一种星敏感器快速星图识别方法 | |
| Zhang et al. | Space object detection in video satellite images using motion information | |
| CN105787962B (zh) | 一种基于uuv水下回收的单目视觉跟踪方法 | |
| CN111652896A (zh) | 惯导辅助陨石坑由粗到精检测方法 | |
| CN109708627B (zh) | 一种动平台下空间动态点目标快速检测方法 | |
| CN104949677A (zh) | 一种漂移扫描同步卫星实时定轨方法 | |
| CN104154918A (zh) | 单目视觉导航特征点丢失故障处理方法 | |
| 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 | |
| Ye et al. | Autonomous space target recognition and tracking approach using star sensors based on a Kalman filter | |
| CN114255263A (zh) | 一种基于背景辨识的自适应空间暗弱星体识别方法 | |
| CN114549549B (zh) | 一种动态环境下基于实例分割的动态目标建模跟踪方法 | |
| Cao et al. | Detection method based on image enhancement and an improved faster R-CNN for failed satellite components | |
| CN108320310A (zh) | 基于图像序列的空间目标三维姿态估计方法 | |
| CN110889353A (zh) | 基于主焦点大视场光电望远镜的空间目标识别方法 | |
| CN113933828A (zh) | 一种无人艇环境自适应多尺度目标检测方法及系统 | |
| CN111739050B (zh) | 基于Zynq的姿态测量和天体形心提取的飞行器导航系统 | |
| CN116091804B (zh) | 一种基于相邻帧构型匹配的恒星抑制方法 | |
| CN109344785B (zh) | 一种在深空自主光学导航中的高精度的行星中心定位方法 | |
| CN112330669B (zh) | 基于点光源衍射星芒现象的星敏感器星点位置定位方法 | |
| CN111553876B (zh) | 一种气动光学视线误差图像处理方法及系统 | |
| Xu et al. | A strong background daytime star image processing method using improved morphology Top-Hat filter and pipeline filter |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |