CN108154462B - 一种白昼环境下星图背景的实时滤波方法 - Google Patents

一种白昼环境下星图背景的实时滤波方法 Download PDF

Info

Publication number
CN108154462B
CN108154462B CN201711311393.8A CN201711311393A CN108154462B CN 108154462 B CN108154462 B CN 108154462B CN 201711311393 A CN201711311393 A CN 201711311393A CN 108154462 B CN108154462 B CN 108154462B
Authority
CN
China
Prior art keywords
column
star
star map
minimum
value
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.)
Active
Application number
CN201711311393.8A
Other languages
English (en)
Other versions
CN108154462A (zh
Inventor
李全良
李晓
徐卿
张笃周
王艳宝
王立
曹中祥
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Institute of Control Engineering
Original Assignee
Beijing Institute of Control Engineering
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Institute of Control Engineering filed Critical Beijing Institute of Control Engineering
Priority to CN201711311393.8A priority Critical patent/CN108154462B/zh
Publication of CN108154462A publication Critical patent/CN108154462A/zh
Application granted granted Critical
Publication of CN108154462B publication Critical patent/CN108154462B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G06T1/20—Processor architectures; Processor configuration, e.g. pipelining
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/10—Image enhancement or restoration using non-spatial domain filtering

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Processing (AREA)

Abstract

本发明提供了一种白昼环境下星图背景的实时滤波方法，该方法以(2n+1)×(2n+1)结构元为基本单位对有限行(2n+1)星图数据进行实时滤波处理，先求最小值星图，再求最大值星图，最后作差完成滤波；整个过程采用流水线的方式进行，计算规律简单、并行度高，采用硬件实现，星图采集和滤波流水进行，速度快、实时性好，具有很高的使用价值；特别是求最值星图过程以并行分级流水方式进行，先在列方向求最值，再在行方向求最值，列或行方向分别对(2n+1)数据求最值，计算并行度高、计算量小、速度快。

Description

一种白昼环境下星图背景的实时滤波方法
技术领域
本发明涉及飞机、导弹、舰船以及临近空间飞行器等近地面平台星图预处理领域，特别是星敏感器在白昼有云环境下的背景实时滤除。
背景技术
星敏感器是以恒星为测量基准的高精度光学姿态测量敏感器，具有姿态测量精度高、可靠性高等优点，已广泛应用于卫星、飞船等航天器的姿态测量和控制系统。当前典型的星敏感器大多工作在冷黑背景下，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，恒星会淹没在云等复杂背景下，传统的星敏滤波方法不能有效滤除云等复杂背景，凸显星点；传统的星敏感器滤波采用处理器实现，处理器接收全图，对星图进行全图滤波，计算量大且占用大量的处理器资源，因此存储数据量大，滤波速度慢实时性差、处理器用于实现姿态计算等高级算法的资源不足，无法实现星图的高速实时处理，提取星点，输出姿态。
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星点实时滤波方法，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滤除背景凸显星点、实时性差的问题。
本发明的技术方案是：一种白昼环境下星图背景的实时滤波方法，该方法步骤如下：
(1)、对原始白昼星图Imgorig逐行逐像素点移动大小为(2n+1)×(2n+1)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，得到白昼星图最小图Imgmin，所述n为整数，n大于等于1；
(2)、对步骤(1)滤波处理之后的白昼星图最小图Imgmin逐行逐像素点移动大小为(2n+1)×(2n+1)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大值，得到白昼星图最大图Imgmax；
(3)、将原始白昼星图Imgorig与白昼星图最大图Imgmax对应像素点的灰度值相减，得到滤波后星图Imgfil。
本发明提供的另一个技术方案是一种白昼环境下星图背景的实时滤波方法的具体实现步骤如下：
(1-1)、逐行逐像素点采集星敏感器成像器件输出的原始白昼星图Imgorig的每个像素点的灰度值，并逐行逐列存储到二维原始星图缓冲区中，当缓存的数据达到2n行后，定义列索引j为0，行索引k为2n+1，初始化白昼星图最小图缓冲区，进入步骤(1-2)：
(1-2)、采用流水线的方式重复执行步骤(a)、(b)，直到j为2n+1，转入步骤(1-3)；
(a)、将j更新为j+1，采集星敏感器成像器件输出的原始白昼星图Imgorig的第k行第j个像素点的灰度值，存入二维原始星图缓冲区第k行第j列中；
(b)、求二维原始星图缓冲区第j列第k-2n行至第k行共2n+1个灰度值的最小值，作为该列的列最小值，并存储该列最小值；
(1-3)、采用流水线的方式重复执行步骤(a)、步骤(b)和下述步骤(c),
直到j等于星敏感器成像器件输出的原始白昼星图Imgorig列长度L，转入步骤(1-4)：
(c)、求二维原始星图缓冲区第j-(2n+1)列到第j-1列的列最小值的最小值，并将其存入白昼星图最小图缓冲区的第k-n行第j-(n+1)列中；
(1-4)、将k更新为k+1，令j＝0，采用流水线的方式重复步骤(a)、(b)、(c)，直到k＝4n+1(9)，令j＝0，转入步骤(1-5)；
(1-5)、采用流水线的方式重复执行步骤(a)、(b)、(c)，直到j等于2n+2，转入步骤(1-6)；
(1-6)、采用流水线的方式重复执行步骤(a)、(b)、(c)和下述步骤(d)，直到j等于4n+1，转入步骤(1-7)；
(d)、求白昼星图最小图缓冲区中的第j-(n+1)列第k-3n行至第k-n行共2n+1个灰度值的最大值，作为该列的列最大值，并存储该列最大值；
(1-7)、采用流水线的方式重复执行步骤(a)、(b)、(c)、(d)和下述步骤(e)，直到j等于星敏感器成像器件输出的原始白昼有云星图Imgorig列长度L，转入步骤(1-8)；
(e)、求白昼星图最小图缓冲区第j-3n列到第j-n列的列最大值的最大值，并采用二维原始星图缓冲区第k-2n行第j-2n列中的灰度值减去该最大值，并输出；
(1-8)、将k更新为k+1，令j＝0，重复(5)～(8)，直到k等于星敏感器成像器件输出的原始白昼星图Imgorig行长度H。
所述步骤(b)求列最小值和步骤(c)求列最小值的最小值的具体方法为：采用流水的方式，用于1个求2n+1个数据的最小值的比较器逐列求列最小值，再用1个求2n+1数最小值的比较器求列最小值的最小值。
所述步骤(d)求列最大值和步骤(e)求列最大值的最大值的具体方法为：采用流水的方式，用于1个求2n+1个数据的最大值的比较器逐列求列最大值，再用1个求2n+1列最大值的比较器求列最大值的最大值。
本发明提供的又一个技术方案是一种白昼环境下星图背景的实时滤波方法的另一种具体实现步骤：
(2-1)、逐行逐像素点采集星敏感器成像器件输出的原始白昼星图Imgorig的每个像素点的灰度值，并逐行逐列存储到二维原始星图缓冲区中，当缓存的数据达到2n行后，定义列索引j为0，行索引k为2n+1，初始化白昼星图最小图缓冲区，进入步骤(2-2)：
(2-2)、采用流水线的方式重复执行步骤(aa)和(bb)，直到j大于等于2n+1，转入步骤(2-3)；
(aa)、将j更新为j+m，m≥2，采集星敏感器成像器件输出的原始白昼星图Imgorig的第k行第j-m+1个像素点～第j个像素点的灰度值，存入二维原始星图缓冲区第k行第j-m+1列～第j列中；
(bb)、对二维原始星图缓冲区第j-m+1列～第j列、第k-2n行至第k行，按列求m列的列最小值，并存储各列最小值；
(2-3)、采用流水线的方式重复执行步骤(aa)、(bb)和下述步骤(cc)，直到j等于星敏感器成像器件输出的原始星图列长度L，转入步骤(2-4)：
(cc)、求二维原始星图缓冲区第j-m-i列～j-m-2n-i的列最小值的最小值，得到二维原始星图缓冲区中连续m个(2n+1)＊(2n+1)个结构元的最小值，并将其存入白昼星图最小图缓冲区的第k-n行第j-m-n-i列中，i＝m-1～0；
(2-4)、将k更新为k+1，令j＝0，重复步骤(2-3)～步骤(2-4)，直到k等于4n+1，令j＝0，转入步骤(2-5)；
(2-5)、采用流水线的方式重复执行(aa)、(bb)、(cc)，直到j大于等于2n+2，转入步骤(2-6)；
(2-6)、采用流水线的方式重复执行(aa)、(bb)、(cc)和如下步骤(dd)，制导直到j大于等于4n+1，转入步骤(2-7)；
(dd)、对二维最小星图缓冲区第j-(n+1)-(m-1)列～第j-(n+1)列、第k-3n行至第k-n行，按列求m列的列最大值，并存储各列最大值；(列最大)
(2-7)、采用流水线的方式重复执行(aa)、(bb)、(cc)、(dd)和下述步骤(ee)，直到j大于等于星敏感器成像器件输出的原始星图列长度L，转入步骤(2-8)；
(ee)、求最小星图缓存区第j-3n-q列～第j-n-q列的列最大值的最大值，得到最小星图中连续m个(2n+1)＊(2n+1)个结构元的最大值，并采用二维原始星图缓冲区第k-2n行第j-2n-q列中的灰度值减去该最大值并输出，q＝m-1～0；
(2-8)、将k更新为k+1，令j＝1，重复(2-5)～(2-8)，直到k等于星敏感器成像器件输出的原始星图行长度H。
所述步骤(bb)按列求m列的列最小值和步骤(cc)得到二维原始星图缓冲区中连续m个(2n+1)＊(2n+1)个结构元的最小值的方法为：
采用流水的方式，用于m个求2n+1数最小值的比较器逐列并行求列最小值，再用m个求2n+1列最小值的比较器并行求m列的列最小值，得到连续m个结构元的最小值。
所述步骤(dd)按列求m列的列最大值和步骤(ee)得到二维原始星图缓冲区中连续m个(2n+1)＊(2n+1)个结构元的最大值的方法为：
采用流水的方式，用于m个求2n+1数最大值的比较器逐列并行求m列的列最大值，再用m个求2n+1数最大值的比较器并行求列最大值，得到连续m个结构元的最大值。
本发明与现有技术相比的优点在于：
(1)、本发明以(2n+1)×(2n+1)结构元为单位在原始星图的基础上得到最小星图，然后在最小星图的基础上得到最大星图，最后采用原始星图减去最大星图相应的像素灰度值，该星图滤波方法在白昼有云等复杂背景下仍能有效滤除背景，凸显星点信息，保证了星敏感器处理后续处理单元在白昼环境下能有效提取星点、计算姿态；
(2)、本发明原始星图采集、求最小值星图、求最大值星图、求差得到滤波后的星图并输出等过程采用并行流水方式实时进行，计算规律简单、并行度高，采用硬件实现，星图采集和滤波流水进行，速度快、实时性好，具有很高的使用价值；
(3)、本发明将最小星图和最大星图的过程分解为：对原始图像结构元内(2n+1)×(2n+1)图像子块，在列方向分别对2n+1图像数据求最值，得到2n+1个列最值，对2n+1个列最值求最值，得到(2n+1)×(2n+1)的图像子块最值，使得流水线的操作得以实现，并且大大节约了处理所需要的硬件资源；
(4)、本发明求列最小值、列列最小值比较器输入个数少、需要的硬件资源少，最大限度地减小了硬件资源，克服了传统求最值的方法为对结构元内所有图像数据求最值，对与(2n+1)×(2n+1)的结构元需要同时对(2n+1)2个数据求最值，计算量大、速度慢的缺点；
(5)、本发明采用并行分级流水方式求最值，对多个结构元(如2个结构元)内的图像数据先在列方向求最值，再在行方向求最值，列方向求得最值可以复用，具有并行度高、资源利用率高、计算量小、速度快等优点，能实现对星图的实时滤波输出。
附图说明
图1为本发明实时滤波方法的流程图；
图2为本发明的滤波结构元图；
图3为本发明实施例求最小星图元素示意图；
图4为本发明流水线方式存储星图、求最小星图、最大星图、滤波过程；
图5(a)为本发明实施例串行求最值示意图；
图5(b)为本发明实施例串行分级流水求最值示意图；
图5(c)为本发明实施例并行分级流水求最值示意图。
具体实施方式
以下结合说明书附图和具体实施例对本发明进行详细说明。
如图1所示，本发明提出一种白昼环境下星图背景的实时滤波方法，该方法步骤如下：
(1)、对原始白昼有云星图Imgorig逐行逐像素点移动大小为(2n+1)×(2n+1)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Imgmin，所述n为整数，n大于等于1；如图2所示，当n为2时，结构元大小为5×5。
(2)、对步骤(1)滤波处理之后的白昼有云星图最小图Imgmin逐行逐像素点移动大小为(2n+1)×(2n+1)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大值，得到白昼有云星图最大图Imgmax；
(3)、将原始白昼有云星图Imgorig与白昼有云星图最大图Imgmax对应像素点的灰度值相减，得到滤波后星图Imgfil。
星敏感器对准某一天区，敏感器内成像器件拍摄星图，并逐行逐像素点输出星图给滤波处理单元，供滤波处理。为了实现上述的一种白昼环境下星图背景的实时滤波方法，本发明进一步提出了流水线的实现方式。具体步骤如下：
(1-1)、逐行逐像素点采集星敏感器成像器件输出的原始白昼星图Imgorig的每个像素点的灰度值，并逐行逐列存储到二维原始星图缓冲区中，当缓存的数据达到2n行后，定义列索引j为0，行索引k为2n+1，初始化白昼星图最小图缓冲区，进入步骤(1-2)：
(1-2)、采用流水线的方式重复执行步骤(a)、(b)，直到j为2n+1，转入步骤(1-3)；
(a)、将j更新为j+1，采集星敏感器成像器件输出的原始白昼星图Imgorig的第k行第j个像素点的灰度值，存入二维原始星图缓冲区第k行第j列中；
(b)、求二维原始星图缓冲区第j列第k-2n行至第k行共2n+1个灰度值的最小值，作为该列的列最小值，并存储该列最小值；如图3所示，当n＝2时，原始星图缓存4行(第i+2行～第i+5行)之后，再缓存下一行时，每缓存入一个新的像素灰度值，求一个该最小值所在列的列最小值；
(1-3)、采用流水线的方式重复执行步骤(a)、步骤(b)和下述步骤(c),
直到j等于星敏感器成像器件输出的原始白昼星图Imgorig列长度L，转入步骤(1-4)：
(c)、求二维原始星图缓冲区第j-(2n+1)列到第j-1列的列最小值的最小值，并将其存入白昼星图最小图缓冲区的第k-n行第j-(n+1)列中，如图3所示，每5列可以求取5×5结构元内子图的最小值，存入最小星图值。
(1-4)、将k更新为k+1，令j＝0，采用流水线的方式重复步骤(a)、(b)、(c)，直到k＝4n+1(9)，令j＝0，转入步骤(1-5)；
(1-5)、采用流水线的方式重复执行步骤(a)、(b)、(c)，直到j等于2n+2，转入步骤(1-6)；
(1-6)、采用流水线的方式重复执行步骤(a)、(b)、(c)和下述步骤(d)，直到j等于4n+1，转入步骤(1-7)；
(d)、求白昼星图最小图缓冲区中的第j-(n+1)列第k-3n行至第k-n行共2n+1个灰度值的最大值，作为该列的列最大值，并存储该列最大值；
(1-7)、采用流水线的方式重复执行步骤(a)、(b)、(c)、(d)和下述步骤(e)，直到j等于星敏感器成像器件输出的原始白昼有云星图Imgorig列长度L，，转入步骤(1-8)；
(e)、求白昼星图最小图缓冲区第j-3n列到第j-n列的列最大值的最大值，并采用二维原始星图缓冲区第k-2n行第j-2n列中的灰度值减去该最大值，并输出；
(1-8)、将k更新为k+1，令j＝0，重复(1-5)～(1-8)，直到k等于星敏感器成像器件输出的原始白昼星图Imgorig行长度H。
如图4所示，本发明原始星图采集、求最小值星图、求最大值星图、求差得到滤波后的星图采用并行流水方式对星图数据进行实时滤波，计算规律简单、并行度高，采用硬件实现，星图采集和滤波流水进行，速度快、实时性好，具有很高的使用价值。
本发明所采用的流水线设计思想还体现在如下方面：
所述步骤(b)求列最小值和步骤(c)中求列最小值的最小值的具体方法为：采用流水的方式，用于1个求2n+1个数据的最小值的比较器逐列求列最小值，再用1个求2n+1数最小值的比较器求列最小值的最小值，如图5(b)所示。
所述步骤(d)求列最大值和步骤(e)求列最大值的最大值的具体方法为：采用流水的方式，用于1个求2n+1个数据的最大值的比较器逐列求列最小值，再用1个求2n+1数最小值的比较器求求列最大值的最大值。
假设用2输入比较器实现求最值，传统方法采用二分法进行比较，求2n+1个数最值的比较器需要2n个2输入比较器；而求(2n+1)2个数最值需要2＊(2n2+2n)个2输入比较器；其中，先求列方向最值、再求列列最值需要2输入比较器个数：2＊2n，直接求结构元最值，需要2输入比较器个数：2＊(2n2+2n)。本发明仅仅采用2个求2n+1个数最小值或最大值的比较器求(2n+1)×(2n+1)结构元内所有像素最小值或最大值，代替1个求(2n+1)2个数最小值或最大值，其优点在于：比较器输入个数少、易于实现、单元延时小、能实现高速；比较器输入个数随结构元增大线性增加，而不是平方增加，比较器硬件资源增加较少。
如图5(a)所示，采用串行求最值，每次需要求结构元内(2n+1)2(n＝2时为25)个数据的最值，硬件资源消耗大，并随结构元大小的增加而平方增加。为了解决串行求最值硬件资源消耗大的问题，本发明把求最值分解为列方向和行行方向求最值，采用分级流水的方式存储像素、求列方向最值、求行方向最值，如图5(b)所示列方向求得最值可以复用，硬件资源消耗较少，随结构元大小的增加线性增加。由于采用单个结构元求最值滤波速度较慢，与成像器件输出的星图像素率不匹配，为了提高率速度，达到实时滤波的要求，采用多个结构元同时求最值，如图5(c)所示，采用m个(如2个)结构元同时滤波，滤波速度提高到单个结构元滤波的m倍，滤波过程求最值分解为列方向和行方向求最值，采用并行分级流水的方式存储像素、求列方向最值、求行方向最值，列方向求的最值可以复用。
敏感器内成像器件拍摄星图，并逐行逐像素点输出星图给滤波处理单元的速度比滤波处理的速度快，为了进一步提高白昼环境下星图背景的实时滤波方法的处理速度，提出了m个结构元并行流水线处理方法，具体步骤如下：
(2-1)、逐行逐像素点采集星敏感器成像器件输出的原始白昼有云星图Imgorig的每个像素点的灰度值，并逐行逐列存储到二维原始星图缓冲区中，当缓存的数据达到2n行后，定义列索引j为0，行索引k为2n+1，初始化白昼星图最小图缓冲区，进入步骤(2-2)：
(2-2)、采用流水线的方式重复执行步骤(aa)和(bb)，直到j大于等于2n+1，转入步骤(2-3)；
(aa)、将j更新为j+m，m≥2，采集星敏感器成像器件输出的原始白昼有云星图Imgorig的第k行第j-m+1个像素点～第j个像素点的灰度值，存入二维原始星图缓冲区第k行第j-m+1列～第j列中；
(bb)、对二维原始星图缓冲区第j-m+1列～第j列、第k-2n行至第k行，按列求m列的列最小值，并存储各列最小值；
(2-3)、采用流水线的方式重复执行步骤(aa)、(bb)和下述步骤(cc)，直到j等于星敏感器成像器件输出的原始星图列长度L，转入步骤(2-4)：
(cc)、求二维原始星图缓冲区第j-m-i列～j-m-2n-i的列最小值的最小值，得到二维原始星图缓冲区中连续m个(2n+1)＊(2n+1)个结构元的最小值，并将其存入白昼星图最小图缓冲区的第k-n行第j-m-n-i列，i＝m-1～0；
(2-4)、将k更新为k+1，令j＝0，重复步骤(2-3)～步骤(2-4)，直到k等于4n+1，令j＝0，转入步骤(2-5)；
(2-5)、采用流水线的方式重复执行(aa)、(bb)、(cc)，直到j大于等于2n+2，转入步骤(2-6)；
(2-6)、采用流水线的方式重复执行(aa)、(bb)、(cc)和如下步骤(dd)，制导直到j大于等于4n+1，转入步骤(2-7)；
(dd)、对二维最小星图缓冲区第j-(n+1)-(m-1)列～第j-(n+1)列、第k-3n行至第k-n行，按列求m列的列最大值，并存储各列最大值；
(2-7)、采用流水线的方式重复执行(aa)、(bb)、(cc)、(dd)和下述步骤(ee)，直到j大于等于星敏感器成像器件输出的原始星图列长度L，转入步骤(2-8)；
(ee)、求最小星图缓存区第j-3n-q列～第j-n-q列的列最大值的最大值，得到最小星图中连续m个(2n+1)＊(2n+1)个结构元的最大值，并采用二维原始星图缓冲区第k-2n行第j-2n-q列中的灰度值减去该最大值并输出，q＝m-1～0；
(2-8)、将k更新为k+1，令j＝1，重复(2-5)～(2-8)，直到k等于星敏感器成像器件输出的原始星图行长度H。
所述步骤(bb)按列求m列的列最小值和步骤(cc)得到二维原始星图缓冲区中连续m个(2n+1)＊(2n+1)个结构元的最小值的方法为：
采用流水的方式，用于m个求2n+1数最小值的比较器逐列求列最小值，再用m个求2n+1数最小值的比较器求m列的列最小值，得到连续m个结构元的最小值。如图5(c)所示。
所述步骤(dd)按列求m列的列最大值和步骤(ee)得到二维原始星图缓冲区中连续m个(2n+1)＊(2n+1)个结构元的最大值的方法为：
采用流水的方式，用于m个求2n+1数最大值的比较器逐列求m列的列最大值，再用m个求2n+1数最大值的比较器求列最大值，得到连续m个结构元的最大值。
同样，上述方法仅仅用于m个求2n+1数最大值的比较器逐列求m列的列最大值，再用m个求2n+1数最大值的比较器求列最大值，得到连续m个结构元的最大值，比较器输入个数少、需要的硬件资源少，最大限度地减小了硬件资源。然而，采用传统的方法，如采用二分法求最值，本发明的方法需要m＊2＊2n个2输入比较器，比较器个数随结构元增大线性增加；而直接求结构元最值需要m＊2＊(2n2+2n)个2输入比较器，比较器个数随结构元增加平方增加。
实施例
假设原始星图规模为1024×1024，星图输入为100M像素/s，滤波部分时钟为50MHz，滤波结构元为5×5，每个时钟周期处理两个结构元(m＝2)内数据。
原始星图缓存空间大小为5＊1024个像素缓存单元；最小星图缓存空间大小为5＊1024个像素缓存单元；列最小值缓存空间为6个像素缓存单元；列最大值为6个像素缓存单元；求最小值比较器需要16个2输入比较器；求最大值需要16个2输入比较器；求差需要2个减法器；滤波处理速度为100M像素/s，与输入星图速度匹配，对原始星图采集的同时即可实现滤波输出。
综上所述，本发明以(2n+1)×(2n+1)结构元为基本单位对有限行(2n+1)星图数据进行实时滤波处理，先求最小值星图，再求最大值星图，最后作差完成滤波；本发明求最值星图过程以并行分级流水方式进行，具有资源利用率高、速度快等优点；本发明采用分级流水方式求最值，先在列方向求最值，再在行方向求最值，列或行方向分别对(2n+1)数据求最值，计算并行度高、计算量小、速度快；本发明采用并行分级流水方式求最值，对多个结构元(如2个结构元)内的图像数据先在列方向求最值，再在行方向求最值，列方向求得最值可以复用，具有并行度高、资源利用率高、计算量小、速度快等优点，能实现对星图的实时滤波输出。
本发明说明书中未作详细描述的内容属本领域技术人员的公知技术。

Claims (6)

1.一种白昼环境下星图背景的实时滤波方法，其特征在于具体步骤如下：
(1-1)、逐行逐像素点采集星敏感器成像器件输出的原始白昼星图Imgorig的每个像素点的灰度值，并逐行逐列存储到二维原始星图缓冲区中，当缓存的数据达到2n行后，定义列索引j为0，行索引k为2n+1，初始化白昼星图最小图缓冲区，进入步骤(1-2)：
(1-2)、采用流水线的方式重复执行步骤(a)、(b)，直到j为2n+1，转入步骤(1-3)；
(a)、将j更新为j+1，采集星敏感器成像器件输出的原始白昼星图Imgorig的第k行第j个像素点的灰度值，存入二维原始星图缓冲区第k行第j列中；
(b)、求二维原始星图缓冲区第j列第k-2n行至第k行共2n+1个灰度值的最小值，作为该列的列最小值，并存储该列最小值；
(1-3)、采用流水线的方式重复执行步骤(a)、步骤(b)和下述步骤(c),
直到j等于星敏感器成像器件输出的原始白昼星图Imgorig列长度L，转入步骤(1-4)：
(c)、求二维原始星图缓冲区第j-(2n+1)列到第j-1列的列最小值的最小值，并将其存入白昼星图最小图缓冲区的第k-n行第j-(n+1)列中；
(1-4)、将k更新为k+1，令j＝0，采用流水线的方式重复步骤(a)、(b)、(c)，直到k＝4n+1(9)，令j＝0，转入步骤(1-5)；
(1-5)、采用流水线的方式重复执行步骤(a)、(b)、(c)，直到j等于2n+2，转入步骤(1-6)；
(1-6)、采用流水线的方式重复执行步骤(a)、(b)、(c)和下述步骤(d)，直到j等于4n+1，转入步骤(1-7)；
(d)、求白昼星图最小图缓冲区中的第j-(n+1)列第k-3n行至第k-n行共2n+1个灰度值的最大值，作为该列的列最大值，并存储该列最大值；
(1-7)、采用流水线的方式重复执行步骤(a)、(b)、(c)、(d)和下述步骤(e)，直到j等于星敏感器成像器件输出的原始白昼有云星图Imgorig列长度L，转入步骤(1-8)；
(e)、求白昼星图最小图缓冲区第j-3n列到第j-n列的列最大值的最大值，并采用二维原始星图缓冲区第k-2n行第j-2n列中的灰度值减去该最大值，并输出；
(1-8)、将k更新为k+1，令j＝0，重复(5)～(8)，直到k等于星敏感器成像器件输出的原始白昼星图Imgorig行长度H。
2.根据权利要求1所述的一种白昼环境下星图背景的实时滤波方法，其特征在于所述步骤(b)求列最小值和步骤(c)求列最小值的最小值的具体方法为：采用流水的方式，用于1个求2n+1个数据的最小值的比较器逐列求列最小值，再用1个求2n+1数最小值的比较器求列最小值的最小值。
3.根据权利要求1所述的一种白昼环境下星图背景的实时滤波方法，其特征在于所述步骤(d)求列最大值和步骤(e)求列最大值的最大值的具体方法为：采用流水的方式，用于1个求2n+1个数据的最大值的比较器逐列求列最大值，再用1个求2n+1列最大值的比较器求列最大值的最大值。
4.一种白昼环境下星图背景的实时滤波方法，其特征在于具体步骤如下：
(2-1)、逐行逐像素点采集星敏感器成像器件输出的原始白昼星图Imgorig的每个像素点的灰度值，并逐行逐列存储到二维原始星图缓冲区中，当缓存的数据达到2n行后，定义列索引j为0，行索引k为2n+1，初始化白昼星图最小图缓冲区，进入步骤(2-2)：
(2-2)、采用流水线的方式重复执行步骤(aa)和(bb)，直到j大于等于2n+1，转入步骤(2-3)；
(aa)、将j更新为j+m，m≥2，采集星敏感器成像器件输出的原始白昼星图Imgorig的第k行第j-m+1个像素点～第j个像素点的灰度值，存入二维原始星图缓冲区第k行第j-m+1列～第j列中；
(bb)、对二维原始星图缓冲区第j-m+1列～第j列、第k-2n行至第k行，按列求m列的列最小值，并存储各列最小值；
(2-3)、采用流水线的方式重复执行步骤(aa)、(bb)和下述步骤(cc)，直到j等于星敏感器成像器件输出的原始星图列长度L，转入步骤(2-4)：
(cc)、求二维原始星图缓冲区第j-m-i列～j-m-2n-i的列最小值的最小值，得到二维原始星图缓冲区中连续m个(2n+1)*(2n+1)个结构元的最小值，并将其存入白昼星图最小图缓冲区的第k-n行第j-m-n-i列中，i＝m-1～0；
(2-4)、将k更新为k+1，令j＝0，重复步骤(2-3)～步骤(2-4)，直到k等于4n+1，令j＝0，转入步骤(2-5)；
(2-5)、采用流水线的方式重复执行(aa)、(bb)、(cc)，直到j大于等于2n+2，转入步骤(2-6)；
(2-6)、采用流水线的方式重复执行(aa)、(bb)、(cc)和如下步骤(dd)，制导直到j大于等于4n+1，转入步骤(2-7)；
(dd)、对二维最小星图缓冲区第j-(n+1)-(m-1)列～第j-(n+1)列、第k-3n行至第k-n行，按列求m列的列最大值，并存储各列最大值；(列最大)
(2-7)、采用流水线的方式重复执行(aa)、(bb)、(cc)、(dd)和下述步骤(ee)，直到j大于等于星敏感器成像器件输出的原始星图列长度L，转入步骤(2-8)；
(ee)、求最小星图缓存区第j-3n-q列～第j-n-q列的列最大值的最大值，得到最小星图中连续m个(2n+1)*(2n+1)个结构元的最大值，并采用二维原始星图缓冲区第k-2n行第j-2n-q列中的灰度值减去该最大值并输出，q＝m-1～0；
(2-8)、将k更新为k+1，令j＝1，重复(2-5)～(2-8)，直到k等于星敏感器成像器件输出的原始星图行长度H。
5.根据权利要求4所述的一种白昼环境下星图背景的实时滤波方法，其特征在于：所述步骤(bb)按列求m列的列最小值和步骤(cc)得到二维原始星图缓冲区中连续m个(2n+1)*(2n+1)个结构元的最小值的方法为：
采用流水的方式，用于m个求2n+1数最小值的比较器逐列并行求列最小值，再用m个求2n+1列最小值的比较器并行求m列的列最小值，得到连续m个结构元的最小值。
6.根据权利要求4所述的一种白昼环境下星图背景的实时滤波方法，其特征在于：所述步骤(dd)按列求m列的列最大值和步骤(ee)得到二维原始星图缓冲区中连续m个(2n+1)*(2n+1)个结构元的最大值的方法为：
采用流水的方式，用于m个求2n+1数最大值的比较器逐列并行求m列的列最大值，再用m个求2n+1数最大值的比较器并行求列最大值，得到连续m个结构元的最大值。
CN201711311393.8A 2017-12-11 2017-12-11 一种白昼环境下星图背景的实时滤波方法 Active CN108154462B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711311393.8A CN108154462B (zh) 2017-12-11 2017-12-11 一种白昼环境下星图背景的实时滤波方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711311393.8A CN108154462B (zh) 2017-12-11 2017-12-11 一种白昼环境下星图背景的实时滤波方法

Publications (2)

Publication Number Publication Date
CN108154462A CN108154462A (zh) 2018-06-12
CN108154462B true CN108154462B (zh) 2021-07-13

Family

ID=62466287

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711311393.8A Active CN108154462B (zh) 2017-12-11 2017-12-11 一种白昼环境下星图背景的实时滤波方法

Country Status (1)

Country Link
CN (1) CN108154462B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
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

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101359371A (zh) * 2008-07-30 2009-02-04 上海同盛工程建设配套管理有限公司 基于数字高程模型的建筑物自动提取的方法
CN102278990A (zh) * 2010-06-11 2011-12-14 上海航天控制工程研究所 基于fpga的星敏感器图像处理方法
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
CN104599246A (zh) * 2014-12-29 2015-05-06 北京控制工程研究所 一种星敏感器行像元噪声自适应滤除方法
CN105046713A (zh) * 2015-08-12 2015-11-11 北京航空航天大学 一种基于形态学的鲁棒的星点分割方法与fpga实现装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7260456B2 (en) * 2004-01-05 2007-08-21 The Boeing Company Pixel-frequency slews and filters for star data measurements

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101359371A (zh) * 2008-07-30 2009-02-04 上海同盛工程建设配套管理有限公司 基于数字高程模型的建筑物自动提取的方法
CN102278990A (zh) * 2010-06-11 2011-12-14 上海航天控制工程研究所 基于fpga的星敏感器图像处理方法
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
CN104599246A (zh) * 2014-12-29 2015-05-06 北京控制工程研究所 一种星敏感器行像元噪声自适应滤除方法
CN105046713A (zh) * 2015-08-12 2015-11-11 北京航空航天大学 一种基于形态学的鲁棒的星点分割方法与fpga实现装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Noise suppression algorithm of short-wave infrared star image for;Wenjie Wang,et al;《Infrared Physics & Technology 85 (2017)》;20180803;正文第382-394页 *
红外图像起伏背景对消的空间滤波方法研究;谢剑薇，孙春娟;《装备指挥技术学院学报》;20031231;第14卷(第6期);第79-83页 *

Also Published As

Publication number Publication date
CN108154462A (zh) 2018-06-12

Similar Documents

Publication Publication Date Title
US11461631B2 (en) Scheduling neural network computations based on memory capacity
CN107504966B (zh) 一种白昼有云环境下导航星星点提取的方法
CN112417943A (zh) 利用算法天际线检测的经改进高级驾驶员辅助系统(adas)操作
WO2018120446A1 (zh) 一种面向实时目标识别的异构处理机并行协调处理方法
CN103592650B (zh) 基于图形处理器的三维声纳成像系统及其三维成像方法
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
CN103578088A (zh) 一种星空图像处理方法
CN111460999A (zh) 一种基于fpga的低空航拍影像目标跟踪的方法
CN108154462B (zh) 一种白昼环境下星图背景的实时滤波方法
CN113569672A (zh) 轻量级目标检测与故障识别方法、装置及系统
US11682212B2 (en) Hierarchical data organization for dense optical flow processing in a computer vision system
CN111192240B (zh) 一种基于随机接入记忆的遥感图像目标检测方法
CN115100545A (zh) 针对低照度下失效卫星小部件的目标检测方法
Lu et al. Sort optimization algorithm of median filtering based on FPGA
CN115797808A (zh) 一种无人机巡检缺陷图像的识别方法、系统、装置及介质
CN114659523A (zh) 一种大范围高精度姿态测量方法及装置
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
CN107990825B (zh) 基于先验数据校正的高精度位置测量装置与方法
CN104316046B (zh) 一种强度关联星敏感器
CN116452654B (zh) 一种基于bev感知的相对位姿估计方法、神经网络及其训练方法
CN116580324A (zh) 一种基于YOLOv5的无人机对地目标检测方法
CN107843254B (zh) 一种空间星敏感器的数据处理单元
CN105354582A (zh) 图像角点提取方法和装置以及图像角点提取摄像装置
CN110378253B (zh) 一种基于轻量化神经网络的实时关键点检测方法
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
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Li Quanliang

Inventor after: Li Xiao

Inventor after: Xu Qing

Inventor after: Zhang Duzhou

Inventor after: Wang Yanbao

Inventor after: Wang Li

Inventor after: Cao Zhongxiang

Inventor before: Li Quanliang

Inventor before: Li Xiao

Inventor before: Xu Qing

Inventor before: Wang Yanbao

Inventor before: Wang Li

Inventor before: Cao Zhongxiang

GR01 Patent grant
GR01 Patent grant