CN108010028A - 一种用于静止轨道卫星探测仪的恒星检测方法及装置 - Google Patents
一种用于静止轨道卫星探测仪的恒星检测方法及装置 Download PDFInfo
- Publication number
- CN108010028A CN108010028A CN201711447155.XA CN201711447155A CN108010028A CN 108010028 A CN108010028 A CN 108010028A CN 201711447155 A CN201711447155 A CN 201711447155A CN 108010028 A CN108010028 A CN 108010028A
- Authority
- CN
- China
- Prior art keywords
- mrow
- image
- star
- msubsup
- frame
- 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
- 238000000034 method Methods 0.000 title claims abstract description 14
- 238000001514 detection method Methods 0.000 claims abstract description 48
- 230000011218 segmentation Effects 0.000 claims abstract description 37
- 230000004927 fusion Effects 0.000 claims abstract description 20
- 238000003709 image segmentation Methods 0.000 claims abstract description 10
- 238000004364 calculation method Methods 0.000 claims description 28
- 238000003384 imaging method Methods 0.000 claims description 8
- 239000000523 sample Substances 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 239000004576 sand Substances 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种用于静止轨道卫星探测仪的恒星检测方法及装置，该方法包括：输入探测仪恒星观测图像序列；将所述图像序列去除固定模式噪声；将去除噪声后的所述图像序列进行图像分割；将分割后且含有恒星的图像序列融合为一幅包含恒星轨迹的图像；对所述包含恒星轨迹的图像进行恒星直线轨迹检测；对检测出的恒星直线轨迹的图像进行识别。该方法通过输入探测仪恒星观测图像序列，探测仪恒星观测图像固定模式噪声去除、阈值分割、恒星轨迹融合图像生成、恒星直线轨迹初检、最后实现对恒星直线轨迹的高准确率、高成功率识别。
Description
技术领域
本发明涉及图像处理、模式识别领域，特别涉及一种用于静止轨道卫星探测仪的恒星检测方法及装置。
背景技术
静止轨道卫星轨道周期与地球自转周期相同，与地球保持相对静止。例如，风云四号(FY-4)卫星是我国新一代静止轨道气象卫星，采用三轴稳定平台，功能和性能实现了跨越式发展。该系列首颗卫星FY-4A于2016年12月成功发射，未来将全面替代风云二号卫星，承担我国天气分析预报任务。干涉式大气垂直红外探测仪(简称探测仪)是该卫星上的一个主要成像载荷，用以把晴空大气在垂直方向上切层，获取观测区域大气垂直运动信息。
风云四号卫星探测仪的图像定位依靠对恒星的观测。高准确率、高成功率的恒星检测算法是基于恒星观测的图像定位技术中的一项关键技术。但是，现有技术中常见的恒星检测算法均基于单幅图像，如区域生长法，由于空间成像环境复杂，对于恒星检测算法，如何提高准确率、成功率，是本领域技术人员亟需解决的问题。
发明内容
鉴于上述问题，本发明提供了一种用于静止轨道卫星探测仪的恒星检测方法及装置。
为了实现上述目的，本发明采用如下技术方案：
第一方面，本发明实施例提供一种用于静止轨道卫星探测仪的恒星检测方法，包括：输入探测仪恒星观测图像序列；
将所述图像序列去除固定模式噪声；
将去除噪声后的所述图像序列进行图像分割；
将分割后且含有恒星的图像序列融合为一幅包含恒星轨迹的图像；
对所述包含恒星轨迹的图像进行恒星直线轨迹检测；
对检测出的恒星直线轨迹的图像进行识别。
在一个实施例中，所述将所述图像序列去除固定模式噪声，包括：
分别计算应用于每帧图像的固定噪声模板；所述固定模式噪声计算公式为：
其中，为用于第k帧图像的固定噪声模板图；Ii(x,y)为第i帧原始星图；T为星斑互相独立的阈值，计算方法为f为探测仪成像帧频，为3Hz；M为满足阈值要求的星图帧数；
对每帧图像，通过以下处理公式(3)处理；
在一个实施例中，将去除噪声后的所述图像序列进行图像分割，包括：
将所述固定模式噪声去除后的图像序列中每帧图像进行阈值分割处理；阈值计算公式如下：
其中，Tk为第k帧图的阈值，为中所有非零像素；a为一个调整参数；
在每帧图像基础上逐像素减去对应的分割阈值，并将结果小于零的像素置零，得到去除噪声且进行阈值分割后的图像序列。
在一个实施例中，将分割后且含有恒星的图像序列融合为一幅包含恒星轨迹的图像，包括：
将阈值分割后的图像序列融合为一幅图像，融合计算公式如下：
其中，为第k帧阈值分割图像，对每个像素取图像序列中所述像素的最大值，得到恒星轨迹图像Itr(x,y)。
在一个实施例中，对所述包含恒星轨迹的图像进行恒星直线轨迹检测，包括：
所述恒星在图像中划过一条直线轨迹；
根据恒星观测时长ts和水平方向的运动速度Vx，计算恒星轨迹长度，将所述融合图像上检测长度大于等于8px的线段，作为恒星轨迹区域检测结果。
在一个实施例中，对检测出的恒星直线轨迹的图像进行识别，包括：
将偏离执行的异常点剔除；
根据恒星理想运动速度，建立像素序号x与轨迹图中像素的灰度值y之间的关系式；所述恒星理想运动速度为
所述关系式为：y＝(x+x0)×2.30 (7)；
使用最小二乘算法，求解上述公式(7)中的未知参数x0
argmin(∑(yi-(xi+x0)×2.30)2)
结果为：
其中，N为参与计算的数据个数；
建立理想恒星轨迹的误差公式：
将上式(9)中计算出的δ与识别阈值Tδ作比较，当δ≤Tδ，识别所述轨迹为恒星轨迹。
第二方面，本发明实施例提供一种用于静止轨道卫星探测仪的恒星检测装置，包括：输入模块，用于输入探测仪恒星观测图像序列；
去除模块，用于将所述输入模块输入的图像序列去除固定模式噪声；
分割模块，用于将所述去除模块去除噪声后的所述图像序列进行图像分割；
融合模块，用于将所述分割模块分割后且含有恒星的图像序列融合为一幅包含恒星轨迹的图像；
检测模块，用于对所述融合模块融合的包含恒星轨迹的图像进行恒星直线轨迹检测；
识别模块，用于对所述检测模块检测出的恒星直线轨迹的图像进行识别。
在一个实施例中，所述去除模块，具体用于分别计算应用于每帧图像的固定噪声模板；所述固定模式噪声计算公式为：
其中，为用于第k帧图像的固定噪声模板图；Ii(x,y)为第i帧原始星图；T为星斑互相独立的阈值，计算方法为f为探测仪成像帧频，为3Hz；M为满足阈值要求的星图帧数；
对每帧图像，通过以下处理公式(3)处理；
在一个实施例中，所述分割模块，用于将所述固定模式噪声去除后的图像序列中每帧图像进行阈值分割处理；阈值计算公式如下：
其中，Tk为第k帧图的阈值，为中所有非零像素；a为一个调整参数；
在每帧图像基础上逐像素减去对应的分割阈值，并将结果小于零的像素置零，得到去除噪声且进行阈值分割后的图像序列。
在一个实施例中，所述融合模块，具体用于将阈值分割后的图像序列融合为一幅图像，融合计算公式如下：
其中，为第k帧阈值分割图像，对每个像素取图像序列中所述像素的最大值，得到恒星轨迹图像Itr(x,y)。
本发明实施例提供的上述技术方案的有益效果至少包括：
经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种用于静止轨道卫星探测仪的恒星检测方法及装置，该方法通过输入探测仪恒星观测图像序列，探测仪恒星观测图像固定模式噪声去除、阈值分割、恒星轨迹融合图像生成、恒星直线轨迹初检、最后实现对恒星直线轨迹的高准确率、高成功率识别。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
为了更清楚地说明本发明实施例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简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的用于静止轨道卫星探测仪的恒星检测方法的流程图；
图2A为本发明实施例提供的探测仪恒星观测原始图像；
图2B为图2A固定模式噪声去除后图像；
图2C为本发明实施例提供的恒星像斑示意图；
图3为本发明实施例提供的阈值分割后的图像；
图4A为本发明实施例提供的其中一张恒星轨迹图像示意图；
图4B为本发明实施例提供的恒星轨迹融合后的图像示意图；
图5为本发明实施例提供的数据点为异常点示意图；
图6为本发明实施例提供的用于静止轨道卫星探测仪的恒星检测装置的框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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。
本发明实施例公开了一种用于静止轨道卫星探测仪的恒星检测方法，参照图1所示，
包括以下步骤：
S101、输入探测仪恒星观测图像序列；
S102、将所述图像序列去除固定模式噪声；
S103、将去除噪声后的所述图像序列进行图像分割；
S104、将分割后且含有恒星的图像序列融合为一幅包含恒星轨迹的图像；
S105、对所述包含恒星轨迹的图像进行恒星直线轨迹检测；
S106、对检测出的恒星直线轨迹的图像进行识别。
该方法通过输入探测仪恒星观测图像序列，探测仪恒星观测图像固定模式噪声去除、阈值分割、恒星轨迹融合图像生成、恒星直线轨迹初检、最后实现对恒星直线轨迹的高准确率、高成功率识别。
下面分布对上述步骤进行详细的说明。
本实施例中，步骤S102中探测仪恒星观测图像固定模式噪声去除；由于太阳杂散光、地球大气反射光等影响，探测仪恒星观测图像中包含有较重的固定模式噪声，导致图像信噪比、下降，如图2A所示。为消除图像中的固定模式噪声，提高恒星检测成功率及准确率，首先对图像进行固定模式噪声去除处理，如图2B所示。
恒星划过静止轨道卫星探测仪像面的速度计算公式为：
其中，Vx为恒星在水平方向的运动速度，ζ表示卫星的轨道周期，等于23小时56分4秒，φ为仪器角分辨率，等于56微弧度/像素。由于恒星像斑的直径约为2像素，如图2C所示，为了防止固定模式噪声对图像中恒星区域像素的能量造成影响，分别计算应用于每帧图像的固定噪声模板。
固定模式噪声计算公式为：
其中，为用于第k帧图像的固定噪声模板图；Ii(x,y)为第i帧原始星图；T为星斑互相独立的阈值，计算方法为其代表的意义是，当两幅图像相隔超过4.61帧，如5、6…帧，则两幅图像中的星斑不会发生重叠，f为探测仪成像帧频，为3Hz；M为满足阈值要求的星图帧数。例如：用于第10帧的噪声模板，使用第1-5,15-24，共15帧图像计算，逐个像素取平均值。
上述固定噪声模板表征图像中较为稳定的噪声，区别于随机噪声，由太阳、大气杂散光而产生。得到固定噪声模板后，将每帧图像减去固定噪声模板，即可去除图像中的固定模式噪声。
对每帧图像，处理
参照图2B为去除固定模式噪声后的恒星观测图像。
步骤S103中，将去除噪声后的所述图像序列进行图像分割：
经固定模式噪声去除后的图像信噪比得到显著提高，但图像中还有大量像素灰度值非0，影响星点检测。因此，选用自适应阈值方法对每帧图像进行阈值分割处理，阈值计算公式如下：
其中，Tk为第k帧图的阈值，为中所有非零像素。a为一个调整参数，经实验测试，当a＝5时取得较好的分割结果。
在每帧图像基础上逐像素减去对应的分割阈值，并将结果小于零的像素置零，得到去除固定模式噪声后的图像，参照图3所示，为阈值分割后的图像。
步骤S104中，恒星轨迹融合图像生成：
经上步阈值分割后的恒星图像中，恒星目标在每帧图像上呈孤点状，周围不超过3×3的区域内的像素可能会有能量响应，但目标整体较小，特征较弱，且与噪点特征相近，当恒星较暗时，与噪点几乎无法区分。参照图4A所示，为图像序列中的一张恒星规矩图像示意图；直接在单帧图像上进行恒星检测，得到的虚警较多，严重影响后续恒星识别、质心提取算法的开展。因此，采用图像序列融合的方式，将含有恒星的图像序列融合为一幅包含恒星轨迹的图像，然后再该幅图像上进行恒星检测。具体步骤如下：
将自适应阈值分割后的图像序列融合为一幅图像，融合计算公式如下：
其中，为第k帧阈值分割图像，对每个像素取图像序列中所述像素的最大值，得到恒星轨迹图像Itr(x,y)，参照图4B所示，为恒星轨迹融合后的图像示意图。
步骤S105中，恒星直线轨迹初检:
地球静止轨道卫星相对于地球保持静止，在观星过程中，由于恒星相对于地球坐标系的转动，恒星在像面划过一条直线轨迹，且直线方向近似水平。
恒星观测时长ts约为8s，因此恒星轨迹长度约为ls＝Vx·ts＝10.4173(px)，考虑噪声影响，在本算法中于轨迹融合图像上检测长度≥8px的线段，作为恒星轨迹区域检测结果，可参照图4B所示。
步骤S106中，恒星直线轨迹识别：
对于上步S105中检测出的疑似直线轨迹区域，进行识别。直线轨迹融合图像中，像素灰度值表示该像素，理论上即恒星划过该像素的帧序号。
剔除异常点：
由于噪声影响，直线区域中部分像素值由噪点引起，而不表示恒星位于该像素的帧序号。因此，先将偏离直线的异常点剔除。参照图5所示，其中较大标记的数据点为异常点。
识别：
恒星理想运动速度为即每经过2.30帧图像，恒星恰好运动1个像素。因此，像素序号x与像素的帧序号(轨迹图中像素的灰度值)y之间存在关系：
y＝(x+x0)×2.30 (7)；
使用最小二乘算法，求解上述公式中的未知参数x0
argmin(∑(yi-(xi+x0)×2.30)2)
结果为：
其中，N为参与计算的数据个数。
所以，数据相对于理想恒星轨迹的误差可以表示为：
取识别阈值Tδ＝1，将上式中计算出的δ与Tδ作比较，若δ≤Tδ，则判定该轨迹是恒星轨迹；若δ＞Tδ，则判定该轨迹不是恒星轨迹。
基于同一发明构思，本发明实施例还提供了用于静止轨道卫星探测仪的恒星检测装置，由于该装置所解决问题的原理与前述用于静止轨道卫星探测仪的恒星检测方法相似，因此该装置的实施可以参见前述方法的实施，重复之处不再赘述。
本发明实施例提供了一种用于静止轨道卫星探测仪的恒星检测装置，参照图6所示，包括：
输入模块61，用于输入探测仪恒星观测图像序列；
去除模块62，用于将所述输入模块61输入的图像序列去除固定模式噪声；
分割模块63，用于将所述去除模块62去除噪声后的所述图像序列进行图像分割；
融合模块64，用于将所述分割模块63分割后且含有恒星的图像序列融合为一幅包含恒星轨迹的图像；
检测模块65，用于对所述融合模块64融合的包含恒星轨迹的图像进行恒星直线轨迹检测；
识别模块66，用于对所述检测模块65检测出的恒星直线轨迹的图像进行识别。
在一个实施例中，所述去除模块62，具体用于分别计算应用于每帧图像的固定噪声模板；所述固定模式噪声计算公式为：
其中，为用于第k帧图像的固定噪声模板图；Ii(x,y)为第i帧原始星图；T为星斑互相独立的阈值，计算方法为f为探测仪成像帧频，为3Hz；M为满足阈值要求的星图帧数；
对每帧图像，通过以下处理公式(3)处理；
在一个实施例中，所述分割模块63，用于将所述固定模式噪声去除后的图像序列中每帧图像进行阈值分割处理；阈值计算公式如下：
其中，Tk为第k帧图的阈值，为中所有非零像素；a为一个调整参数；
在每帧图像基础上逐像素减去对应的分割阈值，并将结果小于零的像素置零，得到去除噪声且进行阈值分割后的图像序列。
在一个实施例中，所述融合模块64，具体用于将阈值分割后的图像序列融合为一幅图像，融合计算公式如下：
其中，为第k帧阈值分割图像，对每个像素取图像序列中所述像素的最大值，得到恒星轨迹图像Itr(x,y)。
在一个实施例中，检测模块65，具体用于根据所述恒星在图像中划过一条直线轨迹；根据恒星观测时长ts和水平方向的运动速度Vx，计算恒星轨迹长度，将所述融合图像上检测长度大于等于8px的线段，作为恒星轨迹区域检测结果。在一个实施例中，识别模块66，包括：
剔除子模块661，用于将偏离执行的异常点剔除；
识别子模块662，用于根据恒星理想运动速度，建立像素序号x与轨迹图中像素的灰度值y之间的关系式；所述恒星理想运动速度为
所述关系式为：y＝(x+x0)×2.30 (7)；
使用最小二乘算法，求解上述公式(7)中的未知参数x0
argmin(∑(yi-(xi+x0)×2.30)2)
结果为：
其中，N为参与计算的数据个数；
建立理想恒星轨迹的误差公式：
将上式(9)中计算出的δ与识别阈值Tδ作比较，当δ≤Tδ，识别所述轨迹为恒星轨迹。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种用于静止轨道卫星探测仪的恒星检测方法，其特征在于，包括：
输入探测仪恒星观测图像序列；
将所述图像序列去除固定模式噪声；
将去除噪声后的所述图像序列进行图像分割；
将分割后且含有恒星的图像序列融合为一幅包含恒星轨迹的图像；
对所述包含恒星轨迹的图像进行恒星直线轨迹检测；
对检测出的恒星直线轨迹的图像进行识别。
2.如权利要求1所述的检测方法，其特征在于，所述将所述图像序列去除固定模式噪声，包括：
分别计算应用于每帧图像的固定噪声模板；所述固定模式噪声计算公式为：
<mrow>
<msubsup>
<mi>I</mi>
<mi>k</mi>
<mi>n</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mo>&Sigma;</mo>
<mrow>
<mrow>
<mo>|</mo>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mi>k</mi>
</mrow>
<mo>|</mo>
</mrow>
<mo>></mo>
<mi>T</mi>
</mrow>
</msub>
<msub>
<mi>I</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
</mrow>
<mi>M</mi>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
其中，为用于第k帧图像的固定噪声模板图；Ii(x,y)为第i帧原始星图；T为星斑互相独立的阈值，计算方法为f为探测仪成像帧频，为3Hz；M为满足阈值要求的星图帧数；
对每帧图像，通过以下处理公式(3)处理；
<mrow>
<msubsup>
<mi>I</mi>
<mi>k</mi>
<mi>d</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>I</mi>
<mi>k</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msubsup>
<mi>I</mi>
<mi>k</mi>
<mi>n</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
<mtd>
<mrow>
<msubsup>
<mi>I</mi>
<mi>k</mi>
<mi>d</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>&GreaterEqual;</mo>
<mn>0</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mrow>
<msubsup>
<mi>I</mi>
<mi>k</mi>
<mi>d</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo><</mo>
<mn>0</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
<mo>.</mo>
</mrow>
3.如权利要求1所述的检测方法，其特征在于，将去除噪声后的所述图像序列进行图像分割，包括：
将所述固定模式噪声去除后的图像序列中每帧图像进行阈值分割处理；阈值计算公式如下：
<mrow>
<msub>
<mi>T</mi>
<mi>k</mi>
</msub>
<mo>=</mo>
<mi>m</mi>
<mi>e</mi>
<mi>a</mi>
<mi>n</mi>
<mrow>
<mo>(</mo>
<msubsup>
<mi>x</mi>
<mi>k</mi>
<mi>d</mi>
</msubsup>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mi>&alpha;</mi>
<mo>&CenterDot;</mo>
<mi>s</mi>
<mi>t</mi>
<mi>d</mi>
<mrow>
<mo>(</mo>
<msubsup>
<mi>x</mi>
<mi>k</mi>
<mi>d</mi>
</msubsup>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
其中，Tk为第k帧图的阈值，为中所有非零像素；a为一个调整参数；
在每帧图像基础上逐像素减去对应的分割阈值，并将结果小于零的像素置零，得到去除噪声且进行阈值分割后的图像序列。
4.如权利要求1所述的检测方法，其特征在于，将分割后且含有恒星的图像序列融合为一幅包含恒星轨迹的图像，包括：
将阈值分割后的图像序列融合为一幅图像，融合计算公式如下：
<mrow>
<msup>
<mi>I</mi>
<mrow>
<mi>t</mi>
<mi>r</mi>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
<mrow>
<mo>(</mo>
<msubsup>
<mi>I</mi>
<mi>k</mi>
<mi>s</mi>
</msubsup>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
其中，为第k帧阈值分割图像，对每个像素取图像序列中所述像素的最大值，得到恒星轨迹图像Itr(x,y)。
5.如权利要求4所述的检测方法，其特征在于，对所述包含恒星轨迹的图像进行恒星直线轨迹检测，包括：
所述恒星在图像中划过一条直线轨迹；
根据恒星观测时长ts和水平方向的运动速度Vx，计算恒星轨迹长度，将所述融合图像上检测长度大于等于8px的线段，作为恒星轨迹区域检测结果。
6.如权利要求5所述的检测方法，其特征在于，对检测出的恒星直线轨迹的图像进行识别，包括：
将偏离执行的异常点剔除；
根据恒星理想运动速度，建立像素序号x与轨迹图中像素的灰度值y之间的关系式；所述恒星理想运动速度为
所述关系式为：y＝(x+x0)×2.30(7)；
使用最小二乘算法，求解上述公式(7)中的未知参数x0
argmin(∑(yi-(xi+x0)×2.30)2)
结果为：
<mrow>
<msub>
<mi>x</mi>
<mn>0</mn>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>&Sigma;y</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mn>2.30</mn>
<msub>
<mi>&Sigma;x</mi>
<mi>i</mi>
</msub>
</mrow>
<mrow>
<mn>2.30</mn>
<mo>&CenterDot;</mo>
<mi>N</mi>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>8</mn>
<mo>)</mo>
</mrow>
</mrow>
其中，N为参与计算的数据个数；
建立理想恒星轨迹的误差公式：
将上式(9)中计算出的δ与识别阈值Tδ作比较，当δ≤Tδ，识别所述轨迹为恒星轨迹。
7.一种用于静止轨道卫星探测仪的恒星检测装置，其特征在于，包括：
输入模块，用于输入探测仪恒星观测图像序列；
去除模块，用于将所述输入模块输入的图像序列去除固定模式噪声；
分割模块，用于将所述去除模块去除噪声后的所述图像序列进行图像分割；
融合模块，用于将所述分割模块分割后且含有恒星的图像序列融合为一幅包含恒星轨迹的图像；
检测模块，用于对所述融合模块融合的包含恒星轨迹的图像进行恒星直线轨迹检测；
识别模块，用于对所述检测模块检测出的恒星直线轨迹的图像进行识别。
8.如权利要求7所述的检测装置，其特征在于，所述去除模块，具体用于分别计算应用于每帧图像的固定噪声模板；所述固定模式噪声计算公式为：
<mrow>
<msubsup>
<mi>I</mi>
<mi>k</mi>
<mi>n</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mo>&Sigma;</mo>
<mrow>
<mrow>
<mo>|</mo>
<mrow>
<mi>i</mi>
<mo>-</mo>
<mi>k</mi>
</mrow>
<mo>|</mo>
</mrow>
<mo>></mo>
<mi>T</mi>
</mrow>
</msub>
<msub>
<mi>I</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
</mrow>
<mi>M</mi>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
其中，为用于第k帧图像的固定噪声模板图；Ii(x,y)为第i帧原始星图；T为星斑互相独立的阈值，计算方法为f为探测仪成像帧频，为3Hz；M为满足阈值要求的星图帧数；
对每帧图像，通过以下处理公式(3)处理；
<mrow>
<msubsup>
<mi>I</mi>
<mi>k</mi>
<mi>d</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>I</mi>
<mi>k</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msubsup>
<mi>I</mi>
<mi>k</mi>
<mi>n</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
<mtd>
<mrow>
<msubsup>
<mi>I</mi>
<mi>k</mi>
<mi>d</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>&GreaterEqual;</mo>
<mn>0</mn>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mrow>
<msubsup>
<mi>I</mi>
<mi>k</mi>
<mi>d</mi>
</msubsup>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo><</mo>
<mn>0</mn>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
<mo>.</mo>
</mrow>
9.如权利要求7所述的检测装置，其特征在于，所述分割模块，用于将所述固定模式噪声去除后的图像序列中每帧图像进行阈值分割处理；阈值计算公式如下：
<mrow>
<msub>
<mi>T</mi>
<mi>k</mi>
</msub>
<mo>=</mo>
<mi>m</mi>
<mi>e</mi>
<mi>a</mi>
<mi>n</mi>
<mrow>
<mo>(</mo>
<msubsup>
<mi>x</mi>
<mi>k</mi>
<mi>d</mi>
</msubsup>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mi>&alpha;</mi>
<mo>&CenterDot;</mo>
<mi>s</mi>
<mi>t</mi>
<mi>d</mi>
<mrow>
<mo>(</mo>
<msubsup>
<mi>x</mi>
<mi>k</mi>
<mi>d</mi>
</msubsup>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
其中，Tk为第k帧图的阈值，为中所有非零像素；a为一个调整参数；
在每帧图像基础上逐像素减去对应的分割阈值，并将结果小于零的像素置零，得到去除噪声且进行阈值分割后的图像序列。
10.如权利要求7所述的检测装置，其特征在于，所述融合模块，具体用于将阈值分割后的图像序列融合为一幅图像，融合计算公式如下：
<mrow>
<msup>
<mi>I</mi>
<mrow>
<mi>t</mi>
<mi>r</mi>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
<mrow>
<mo>(</mo>
<msubsup>
<mi>I</mi>
<mi>k</mi>
<mi>s</mi>
</msubsup>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>,</mo>
<mi>y</mi>
</mrow>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
其中，为第k帧阈值分割图像，对每个像素取图像序列中所述像素的最大值，得到恒星轨迹图像Itr(x,y)。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711447155.XA CN108010028B (zh) | 2017-12-27 | 2017-12-27 | 一种用于静止轨道卫星探测仪的恒星检测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711447155.XA CN108010028B (zh) | 2017-12-27 | 2017-12-27 | 一种用于静止轨道卫星探测仪的恒星检测方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108010028A true CN108010028A (zh) | 2018-05-08 |
| CN108010028B CN108010028B (zh) | 2020-07-03 |
Family
ID=62061936
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711447155.XA Active CN108010028B (zh) | 2017-12-27 | 2017-12-27 | 一种用于静止轨道卫星探测仪的恒星检测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108010028B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109708648A (zh) * | 2018-11-27 | 2019-05-03 | 上海航天控制技术研究所 | 一种空间运动点目标的分类辨识方法 |
| CN109978797A (zh) * | 2019-04-08 | 2019-07-05 | 自然资源部国土卫星遥感应用中心 | 基于暗通道噪声模板的主动式像素传感器星图去噪方法 |
| CN112528990A (zh) * | 2020-12-04 | 2021-03-19 | 北京航空航天大学 | 一种高动态星敏感器恒星光斑提取方法 |
| CN112634154A (zh) * | 2020-12-17 | 2021-04-09 | 中国人民解放军63623部队 | 一种基于图像序列多重差分的目标识别方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050047661A1 (en) * | 2003-08-29 | 2005-03-03 | Maurer Donald E. | Distance sorting algorithm for matching patterns |
| CN101676744A (zh) * | 2007-10-31 | 2010-03-24 | 北京航空航天大学 | 一种复杂背景低信噪比下弱小目标高精度跟踪方法 |
| CN103954280A (zh) * | 2014-04-08 | 2014-07-30 | 北京控制工程研究所 | 一种快速和高鲁棒性自主恒星识别方法 |
| CN103997611A (zh) * | 2014-03-05 | 2014-08-20 | 浙江悍马光电设备有限公司 | 一种基于噪声模板的图像固定模式噪声的抑制方法 |
| CN106023148A (zh) * | 2016-05-06 | 2016-10-12 | 北京航空航天大学 | 一种序列聚焦观测模式下恒星像点位置提取方法 |
| CN107945229A (zh) * | 2017-10-24 | 2018-04-20 | 国家卫星气象中心 | 用于静止轨道对地观测卫星面阵仪器的恒星质心提取方法 |
-
2017
- 2017-12-27 CN CN201711447155.XA patent/CN108010028B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050047661A1 (en) * | 2003-08-29 | 2005-03-03 | Maurer Donald E. | Distance sorting algorithm for matching patterns |
| CN101676744A (zh) * | 2007-10-31 | 2010-03-24 | 北京航空航天大学 | 一种复杂背景低信噪比下弱小目标高精度跟踪方法 |
| CN103997611A (zh) * | 2014-03-05 | 2014-08-20 | 浙江悍马光电设备有限公司 | 一种基于噪声模板的图像固定模式噪声的抑制方法 |
| CN103954280A (zh) * | 2014-04-08 | 2014-07-30 | 北京控制工程研究所 | 一种快速和高鲁棒性自主恒星识别方法 |
| CN106023148A (zh) * | 2016-05-06 | 2016-10-12 | 北京航空航天大学 | 一种序列聚焦观测模式下恒星像点位置提取方法 |
| CN107945229A (zh) * | 2017-10-24 | 2018-04-20 | 国家卫星气象中心 | 用于静止轨道对地观测卫星面阵仪器的恒星质心提取方法 |
Non-Patent Citations (4)
| Title |
|---|
| M. SHAYAN ARANI ETAL.: "A Geometric Star Identification Algorithm Based On Triple Triangle Pattern", 《2015 7TH INTERNATIONAL CONFERENCE ON RECENT ADVANCE IN SPACE TECHNOLOGIES》 * |
| XIAOLIN WANG ETAL.: "Hardware Implementation of Fast and Robust Star Centroid Extraction With Low Resource Cost", 《IEEE SENSORS JOURNAL》 * |
| 张玉叶等: "利用不变矩去除恒星的空间小目标检测方法", 《计算机工程与应用》 * |
| 王敏等: "基于各向异性高斯曲面拟合的星点质心提取算法", 《光学学报》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109708648A (zh) * | 2018-11-27 | 2019-05-03 | 上海航天控制技术研究所 | 一种空间运动点目标的分类辨识方法 |
| CN109978797A (zh) * | 2019-04-08 | 2019-07-05 | 自然资源部国土卫星遥感应用中心 | 基于暗通道噪声模板的主动式像素传感器星图去噪方法 |
| CN109978797B (zh) * | 2019-04-08 | 2020-06-23 | 自然资源部国土卫星遥感应用中心 | 基于暗通道噪声模板的主动式像素传感器星图去噪方法 |
| CN112528990A (zh) * | 2020-12-04 | 2021-03-19 | 北京航空航天大学 | 一种高动态星敏感器恒星光斑提取方法 |
| CN112528990B (zh) * | 2020-12-04 | 2022-07-05 | 北京航空航天大学 | 一种高动态星敏感器恒星光斑提取方法 |
| CN112634154A (zh) * | 2020-12-17 | 2021-04-09 | 中国人民解放军63623部队 | 一种基于图像序列多重差分的目标识别方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108010028B (zh) | 2020-07-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108010028B (zh) | 一种用于静止轨道卫星探测仪的恒星检测方法及装置 | |
| Zhang et al. | Vehicle tracking and speed estimation from roadside lidar | |
| Zhao et al. | A robust laser-inertial odometry and mapping method for large-scale highway environments | |
| CN109635685B (zh) | 目标对象3d检测方法、装置、介质及设备 | |
| Kang et al. | Pothole detection system using 2D LiDAR and camera | |
| Nedevschi et al. | Stereo-based pedestrian detection for collision-avoidance applications | |
| US9582885B2 (en) | Zonal underground structure detection method based on sun shadow compensation | |
| US20140348390A1 (en) | Method and apparatus for detecting traffic monitoring video | |
| CN106683121A (zh) | 一种融合检测过程的鲁棒目标追踪方法 | |
| CN108305288B (zh) | 用于静止轨道对地观测卫星线列仪器的恒星质心提取方法 | |
| CN107945229B (zh) | 用于静止轨道对地观测卫星面阵仪器的恒星质心提取方法 | |
| RU2748763C1 (ru) | Способ обнаружения и автосопровождения объектов целеуказания оптико-электронной системой беспилотного летательного аппарата | |
| KR20150049529A (ko) | 차량의 위치 추정 장치 및 방법 | |
| CN110176022B (zh) | 一种基于视频检测的隧道全景监控系统及方法 | |
| CN111275740B (zh) | 一种基于高分辨率孪生网络的卫星视频目标跟踪方法 | |
| CN113989604B (zh) | 基于端到端深度学习的轮胎dot信息识别方法 | |
| CN106780560A (zh) | 一种基于特征融合粒子滤波的仿生机器鱼视觉跟踪方法 | |
| CN113111727A (zh) | 一种基于特征对齐的遥感场景下旋转目标检测方法 | |
| Jwa et al. | Kalman filter based railway tracking from mobile Lidar data | |
| EP4250245A1 (en) | System and method for determining a viewpoint of a traffic camera | |
| Kim et al. | Robust data association for multi-object detection in maritime environments using camera and radar measurements | |
| Xiang et al. | Hybrid bird’s-eye edge based semantic visual SLAM for automated valet parking | |
| CN117237597A (zh) | 一种基于北斗卫星数据与ai图形融合的数据处理终端 | |
| Kiefer et al. | Memory maps for video object detection and tracking on uavs | |
| Revaud et al. | Robust automatic monocular vehicle speed estimation for traffic surveillance |
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 |