CN111089586A - 一种基于多帧累加算法的全天时星敏感器星点提取方法 - Google Patents

一种基于多帧累加算法的全天时星敏感器星点提取方法 Download PDF

Info

Publication number
CN111089586A
CN111089586A CN202010024949.0A CN202010024949A CN111089586A CN 111089586 A CN111089586 A CN 111089586A CN 202010024949 A CN202010024949 A CN 202010024949A CN 111089586 A CN111089586 A CN 111089586A
Authority
CN
China
Prior art keywords
star
point
map
points
star point
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
Application number
CN202010024949.0A
Other languages
English (en)
Other versions
CN111089586B (zh
Inventor
郑循江
叶志龙
孙朔冬
高原
叶宋杭
吴迪
何峰
武斌
吕进剑
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.)
Shanghai Aerospace Control Technology Institute
Original Assignee
Shanghai Aerospace Control Technology Institute
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 Shanghai Aerospace Control Technology Institute filed Critical Shanghai Aerospace Control Technology Institute
Priority to CN202010024949.0A priority Critical patent/CN111089586B/zh
Publication of CN111089586A publication Critical patent/CN111089586A/zh
Application granted granted Critical
Publication of CN111089586B publication Critical patent/CN111089586B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Astronomy & Astrophysics (AREA)
  • Automation & Control Theory (AREA)
  • General Physics & Mathematics (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供了一种基于多帧累加算法的全天时星敏感器星点提取方法。首先对星敏感器的探测星图进行去噪处理，随后对连续多帧去噪后的星图进行初步叠加操作，并采样图像下采样方式缩小星点信号区域，然后利用种子提取方法确定星点在下采样星图中的位置，采样连通域方法提取星点并对多帧叠加后的星点进行分类，随后计算星点偏移量并校正星点位置，得到多帧累加后的星图，并再次采样连通域方法提取多帧累加后的星点，最后以信噪比作为判据验证提取的星点。本发明星点提取方法适用于信噪比较低的星图，具有星图对比度提升明显、星点定位精度高等优点。

Description

一种基于多帧累加算法的全天时星敏感器星点提取方法
技术领域
本发明涉及星图识别领域，更具体的说，涉及一种基于多帧累加算法的全天时星敏感器星点提取方法。
背景技术
星敏感器是一种高精度的姿态敏感测量仪器，它通过光学系统对星空成像，测量恒星矢量在星敏感器坐标系中的分量，利用已知的恒星精确位置来确定载体相对于惯性坐标系的三轴姿态。一般来说，作为光测设备的星敏感器受背景杂光的影响较大，只能用于外层空间或夜间测星。随着星惯导航技术的发展，对星敏感器的要求也越来越高，兼具夜间和白天测星能力的全天时星敏感器逐渐受到重视。
全天时星敏感器导航技术不仅可用于空间航天器的导航，而且可用于近地面平台导航，例如远程战略轰炸机、临界空间飞行器、军舰等。通过星惯联合制导或者星光制导的方式提升导航的精度和可靠性，进而提高飞机、舰船、导弹等武器系统的战场生存能力。
由于白天恒星受强烈的太阳辐射和大气湍流光学效应的影响，导致恒星目标灰度闪烁变化、质心漂移、恒星的成像信噪比很低。星敏感器难以实现恒星星点的高效提取和高精度能量测量。因此白天星敏感器的探测星数急剧下降，当探测星数降为2颗时，平台的定姿误差急剧增大。全天时星敏感器必须要解决白天测量时信噪比低导致目标提取困难的技术难题。
多帧累加算法利用恒星目标光的相关性和背景噪声光的不相关性特点，通过连续帧的移位叠加，星点的能量增大倍率大于背景噪声光的能量增大倍率，进而提高星图的信噪比，提取出更暗的星点，保证视场内探测到的星数不少于三颗，同时提高星点的定位精度和能量精度，提高星敏感器的定姿精度。
发明内容
为解决星敏感器白天测量时信噪比低导致目标提取困难的问题，本发明提出了一种基于多帧累加算法的全天时星敏感器星点提取方法，可以提高星图信噪比，增加提取星点的数目，同时获取高精度的质心和能量信息。
为了达到上述目的，本发明的技术方案是提供一种基于多帧累加算法的全天时星敏感器星点提取方法，其包含以下步骤：
步骤一：星图去噪；
步骤二：连续星图初步叠加；将n帧连续去噪星图进行像素级叠加，得到累加星图；
步骤三：对步骤二生成的累加星图进行下采样，采样倍率为1：p，得到下采样星图；
步骤四：种子点提取；通过连通域划分以及星点定位算法确定下采样星图中各星点位置(xi,yi)；i为星点序号，按照星点亮度降序排列；
与下采样星图中的星点位置(xi,yi)相对应的，在累加星图中的星点位置为(pxi,pyi)；(pxi,pyi)为n帧连续星图中第i个星点的中心位置，将其标记为种子点；以种子点的位置(pxi,pyi)为中心创建一个a×a的窗口；此处所述第i个星点表示每一个星点；
步骤五：单帧星图星点提取；通过连通域划分以及星点定位算法，得到待叠加的第k幅星图中各个星点亚像素坐标；
步骤六：星点分类；
如果k＝1，即第1幅星图，以种子点处创建的a×a窗口对第1幅星图的星点进行分类；若第1幅星图中的第j个星点在第i个种子点的a×a窗口内，则该星点归类到第i个种子点下；此处所述第j个星点表示单帧星图中的每一星点；
如果k>1，即第k幅星图；若第k幅星图中的任一星点在以第k-1幅星图中的第j个星点位置为中心的b×b窗口内，则该星点与第k-1幅星图中的第j个星点属于同一个星点；
步骤七：星点偏移量计算；
以第1幅星图的第j个星点亚像素坐标为基准，分别计算得到第k幅星图的对应星点位置相对于第1幅星图中的星点位置的偏移量大小；如果k不大于累加星图的帧数m，则k＝k+1，重复步骤五至步骤七；
其中，“第k幅星图的对应星点位置”是指“第k幅星图中与第1幅星图中第j个星点属于同一星点的星点位置”(可参考步骤六中k>1中描述的内容进行理解)。“第1幅星图中的星点位置”指“第1幅星图的第j个星点亚像素坐标”。即，第1幅星图与第k幅星图中的同一星点坐标之间作差值，可以得到星点偏移量。
m为欲累加星图的总数量，m为初始给定条件，本发明在实施例中对n及m的取值进行了举例说明，m在初始时分别取5、10、15、20，并给出了信噪比计算结果；星图总帧数m不同，效果不同。连续n帧星图累加是为获取种子点，n的取值不宜过大，一般情况下取5即可满足要求，n不大于m。
步骤八：星图平移叠加；
取步骤七中计算得出的第k幅星图中各星点偏移量的均值作为星图平移叠加量，将第2～第m幅星图累加至第1幅星图，即可得到星点偏移量校正后的多帧累加星图；
步骤九：累加星图星点提取；通过连通域划分以及星点定位算法，得到多帧累加星图中的各个星点亚像素坐标和星点的相对能量比值，并按照星点亮度进行降序排列；
步骤十：星点验证；当星点的信噪比大于设定的阈值时，判定为星点，否则视为噪声点。
一些实施例中，步骤一中的去噪算法包括但不限于中值减法去噪、或中值滤波、或维纳滤波。
一些实施例中，步骤五中的连通域划分算法包括但不限于基于像素标记的星点粗定位、或基于线性标记法的星点粗定位；
步骤九中的连通域划分算法包括但不限于基于像素标记的星点粗定位、或基于线性标记法的星点粗定位。
一些实施例中，连通域划分中的阈值分割算法包括但不限于固定阈值分割算法、或基于总判定错误率最小的阈值分割算法。
一些实施例中，步骤五中的星点定位算法包括但不限于传统质心法、加权平方质心法；步骤九中的星点定位算法包括但不限于传统质心法、加权平方质心法。
本发明的有益效果在于：
1、增强星点信噪比。慢运动的恒星像点在相邻帧间的图像存在灰度闪烁和形状变化，但质心不变；背景中的散粒噪声是随机的，其随机起伏平均时间间隔相对帧时间足够小，多帧累积算法可以增强信噪比，准确保留原始图像星像点的灰度和几何形状，滤除噪声干扰。
2、增加提取星点数目。通过对种子星点灰度数据进行流水缓存并移位叠加，可以增强弱星灰度及信噪比，使其满足探测阈值条件，确保星敏感器视场中探测到的星数始终不少于3颗。
3、获取高精度的质心和能量信息。通过帧间移位叠加，滤除噪声干扰，可在低信噪比的全天时红外星图中提取到目标，且可以获取高精度的质心和能量信息。
附图说明
图1是基于多帧累加算法的全天时星敏感器星点提取方法的工作流程图。
图2是本发明的实施例的单帧原始星图。
图3是实施例一的单帧星图采用中值减法滤波后的效果图。
图4是实施例一的单帧星图的星点提取结果。
图5是实施例一中累加帧数为5时星点提取结果。
图6是实施例一中累加帧数为10时星点提取结果。
图7是实施例一中累加帧数为15时星点提取结果。
图8是实施例一中累加帧数为20时星点提取结果。
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、完整的描述，显然，所描述的实施例仅仅是本发明的一部分实施例，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创造性劳动的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。
需要指出的是，在不冲突的情况下，本发明中的实施例及实施例中的算法可以相互组合。
如图2所示，所涉及待处理的原始星图特征如下：噪声分布均匀，单个星点图像尺寸小于等于9*9，单帧星图星点灰度值较低。
实施例一：参见图1所示，针对待处理的原始星图，本发明的实施例提供一种基于多帧累加算法的全天时星敏感器星点提取方法，包括如下步骤：
步骤一：星图去噪。
步骤二：连续星图初步叠加。将n帧连续去噪星图进行像素级叠加，即可得到累加星图(n不宜过大，其取值大小与平台运动速度相关)。单帧星图中星点信号分布在多个像元上，由于拍摄条件的变化，相邻帧间星图中同一星点的信号位置会产生偏移，则累加后星图中星点信号的弥散斑大小会进一步扩大。
步骤三：星图下采样。对步骤二生成的累加星图进行下采样，采样倍率为1：4，得到下采样星图。累加星图中的星点信号弥散较大，经过星图下采样后，星点信号区域范围将会变小。
步骤四：种子点提取。通过连通域划分以及星点定位算法确定下采样星图中各星点位置(xi,yi)(i为星点序号，按照星点亮度降序排列)，下采样星图中星点位置(xi,yi)对应的累加星图中星点位置为(4xi,4yi)，(4xi,4yi)为n帧连续星图中第i个星点的中心位置，该星点标记为种子点，并以种子点的位置(4xi,4yi)为中心创建一个a×a的窗口，示例的窗口大小设为15×15。
此处所记载的窗口大小“a×a”，取决于星敏感器的曝光时间、星敏感器所在平台的运动速度、星点弥散斑大小，可以根据这些状态对该窗口大小进行适应调整。
步骤五：单帧星图星点提取。通过连通域划分以及星点定位算法，得到待叠加的第k幅星图中各个星点亚像素坐标。
步骤六：星点分类。如果k＝1，即第1幅星图，以种子点处创建的15×15窗口对第1幅星图的星点进行分类。若第1幅星图中的第j个星点在第i个种子点的15×15窗口内，则该星点归类到第i个种子点下。如果k>1，即第k幅星图，若第k幅星图中的某个星点在以第k-1幅星图中的第j个星点位置为中心的b×b窗口内，则该星点与第k-1幅星图中的第j个星点属于同一个星点。示例的窗口大小设为7×7。
此处所记载的窗口大小“b×b”，也取决于星敏感器的曝光时间、星敏感器所在平台的运动速度、星点弥散斑大小，可以根据这些状态对该窗口大小进行适应调整，但一般会使本窗口大小“b×b”小于前述的窗口大小“a×a”，因为本窗口针对的为相邻两帧星图，两帧星图之间的同一星点偏移量较小。而前述窗口的针对的是连续n帧星图叠加，其帧间偏移量数值较大。
步骤七：星点偏移量计算。以第1幅星图的第j个星点亚像素坐标为基准，分别计算得到第k幅星图的对应星点位置相对于第1幅星图中的星点位置的偏移量大小。如果k不大于累加星图帧数m(n和m表示的含义不同：连续n帧星图累加确定星点粗位置；而m帧星图经帧间偏移量计算、帧间平移叠加后，得到经多帧累加算法处理的累加星图，以便于后续星点提取；其中，n不大于m)，则k＝k+1，重复第五至七步骤。
步骤八：星图平移叠加。取步骤七中计算得出的第k幅星图中各星点偏移量的均值作为星图平移叠加量，将第2～第m幅星图累加至第1幅星图，即可得到星点偏移量校正后的多帧累加星图。
步骤九：累加星图星点提取。通过连通域划分以及星点定位算法，得到多帧累加星图中的各个星点亚像素坐标和星点的相对能量比值，并按照星点亮度进行降序排列。
步骤十：星点验证。当星点的信噪比大于设定的阈值SNRth时，则判定为星点，否则视为噪声点。
进一步地，步骤一中的图像去噪算法选用中值减法去噪算法，参见图2和图3，图2为原始星图，图3为单帧星图采用中值减法去噪算法去噪后的效果图。
中值减法去噪算法的具体实施步骤为：
定义一个L×L的窗口，其中L＝2N+1，且N为正整数。窗口内的像素值分别为：
Figure BDA0002362122590000061
其中，x(i)为窗口中心像素的像素值。将L×L个像素值按从小到大的顺序排列，得到其中值为x(j)，然后将x(i)-x(j)做为中心像素的中值减法滤波输出值。
进一步地，步骤五和九中的星点定位算法使用传统质心法。
传统质心法是一种对目标图像灰度值的加权计算，计算公式如下：
Figure BDA0002362122590000062
Figure BDA0002362122590000071
其中，(ic,jc)表示星点质心坐标的估计值；m1、n1、m2、n2表示目标星点所占四方区域i，j坐标的上下限值；F(i,j)表示(i,j)处的灰度值。
进一步地，步骤五和九中的连通域划分算法选用基于像素标记法的连通域划分算法，具体实施步骤为：
①按照从左到右、从上到下的方向扫描星图；
②判定扫描到的像素点，如果其灰度值大于背景阈值T，则：
A.若上方点和左前方点仅有一个标记，则复制这个标记；
B.若上方点和左前方点有相同的标记，则复制这个标记；
C.若上方点和左前方点的标记不一样，则复制上方点的标记，而且要把上方点和左前方点视为等价标记；
D.若上述条件都不符合，则给这个像素点分配一个新的标记并将之记入等价表；
③扫描下一像素点，重复过程②，直到星图中没有大于阈值T的像素值。
④把等价表中具有一样标记的像素点合并，然后分配一个比较小的标记号。
进一步地，连通域划分算法中的背景阈值选为固定阈值25。
进一步地，步骤十中的阈值SNRth＝20，星点信噪比的具体计算公式为：
Figure BDA0002362122590000072
其中，STg为星点所占像元像素值之和，即星点信号的总能量；CTg为星点所占像元数；MBg为星图噪声均值；σBg为星图噪声标准差。星点即针对单个星点目标，该算式可用于步骤十中的星点验证。
进一步地，采用本发明的多帧累加算法的累加图片评价指标星图信噪比计算公式为：
Figure BDA0002362122590000081
gTg＝STg-CTgMBg
其中，STg表示星图中所有像素的像素值之和；gTg表示星点信号像素的像素值之和，即为全部星点信号的灰度值；CTg表示星图中像素个数；MBg表示除星点信号外的星图背景区域像素的像素值均值。星图即针对整幅图像，该算式可用于比较不同m大小下的多帧累加效果。
利用基于像素标记法的连通域划分算法和传统质心星点定位算法，对去噪后的单帧星图进行星点提取，单帧星图星点提取结果如图4所示。当本发明算法中n的取值为5，m的取值分别为5、10、15、20时，分别计算经多帧累加星点提取算法后的累加星图信噪比，并统计累加星图中能够提取的有效星点个数。累加帧数分别为5、10、15、20时的多帧累加星图结果如图5-图8所示。不同累加帧数下的星图信噪比计算结果和星点提取数目结果如表1所示。
表1不同累加帧数下的星图信噪比计算结果和星点提取数目结果
星图累加帧数 累加星图信噪比 能够提取的星点数目
1 53.2988 5
5 171.4785 13
10 243.5408 25
15 305.4029 37
20 354.4702 45
从累加星图的信噪比计算结果和星点提取数目结果可知，随着星图累加帧数增加，星图信噪比有所提高，累加星图中能够提取的有效星点个数也有所增加。
实施例二：本实施例与实施例一所述基于多帧累加算法的全天时星敏感器星点提取方法的区别在于，图像去噪算法采用除中值减法去噪算法的其他去噪算法，如中值滤波、维纳滤波等。
实施例三：本实施例与实施例一所述基于多帧累加算法的全天时星敏感器星点提取方法的区别在于，连通域划分算法选用其他的星点粗定位算法，如基于线标记法的连通域提取方法。
基于线标记法的连通域提取方法的基本处理单元是直线段。首先对二值星图图像进行逐行方向的扫描，当每次扫描出当前行的一条直线时(由连续的灰度值为“1”的像素点构成)，就与上一行已经检测出直线段进行连通性判断，如果满足连通性规则就会被合并。
实施例四：本实施例与实施例一所述基于多帧累加算法的全天时星敏感器星点提取方法的区别在于，连通域划分中的阈值分割算法采用基于总判定错误率最小的阈值分割算法。
相比固定的阈值，基于总判定错误率最小的阈值会随着图像像素点的不同进行灵活的选取来适应图像，最后被分割的图像在有着比较好的效果的同时还有较快的运算速度，有较好的实时性。
基于总判定错误率最小的阈值为
Vth＝E+σβ
其中，E为图像的均值，也就是整幅图像所有像元值F(i,j)的平均。
Figure BDA0002362122590000091
β为图像的方差，其表达式为：
Figure BDA0002362122590000092
其中，σ为噪声因子，为固定取值。随着参数不同，σ取值也会不同，可以选取3～5。
实施例五：本实施例与实施例一所述基于多帧累加算法的全天时星敏感器星点提取方法的区别在于，星点定位算法采用除传统质心法外其他的星点定位算法，如加权平方质心法。
加权平方质心法是以像素点灰度值平方作为权值的计算方法，突出了灰度值较大的点对质心位置估计的作用，它的具体计算公式为：
Figure BDA0002362122590000101
Figure BDA0002362122590000102
其中，(ic,jc)表示星点质心坐标的估计值；m1、n1、m2、n2表示目标星点所占四方区域i，j坐标的上下限值；F(i,j)表示(i,j)处的灰度值。
综上所述，本发明提供了一种基于多帧累加算法的全天时星敏感器星点提取方法。首先对星敏感器的探测星图进行去噪处理，随后对连续多帧去噪后的星图进行初步叠加操作，并采样图像下采样方式缩小星点信号区域，然后利用种子提取方法确定星点在下采样星图中的位置，采样连通域方法提取星点并对多帧叠加后的星点进行分类，随后计算星点偏移量并校正星点位置，得到多帧累加后的星图，并再次采样连通域方法提取多帧累加后的星点，最后以信噪比作为判据验证提取的星点。本发明的星点提取方法，适用于信噪比较低的星图，具有星图对比度提升明显、星点定位精度高等优点。
尽管本发明的内容已经通过上述优选实施例作了详细介绍，但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后，对于本发明的多种修改和替代都将是显而易见的。因此，本发明的保护范围应由所附的权利要求来限定。

Claims (8)

1.一种基于多帧累加算法的全天时星敏感器星点提取方法，其特征在于，包含以下步骤：
步骤一：星图去噪；
步骤二：连续星图初步叠加；将n帧连续去噪星图进行像素级叠加，得到累加星图；
步骤三：对步骤二生成的累加星图进行下采样，采样倍率为1：p，得到下采样星图；
步骤四：种子点提取；通过连通域划分以及星点定位算法确定下采样星图中各星点位置(xi,yi)；i为星点序号，按照星点亮度降序排列；
与下采样星图中的星点位置(xi,yi)相对应的，在累加星图中的星点位置为(pxi,pyi)；(pxi,pyi)为n帧连续星图中第i个星点的中心位置，将其标记为种子点；以种子点的位置(pxi,pyi)为中心创建一个a×a的窗口；
步骤五：单帧星图星点提取；通过连通域划分以及星点定位算法，得到待叠加的第k幅星图中各个星点亚像素坐标；
步骤六：星点分类；
如果k＝1，即第1幅星图，以种子点处创建的a×a窗口对第1幅星图的星点进行分类；若第1幅星图中的第j个星点在第i个种子点的a×a窗口内，则该星点归类到第i个种子点下；
如果k>1，即第k幅星图；若第k幅星图中的任一星点在以第k-1幅星图中的第j个星点位置为中心的b×b窗口内，则该星点与第k-1幅星图中的第j个星点属于同一个星点；
步骤七：星点偏移量计算；
以第1幅星图的第j个星点亚像素坐标为基准，分别计算得到第k幅星图的对应星点位置相对于第1幅星图中的星点位置的偏移量大小；如果k不大于累加星图的帧数m，则k＝k+1，重复步骤五至步骤七；其中，n不大于m；
步骤八：星图平移叠加；
取步骤七中计算得出的第k幅星图中各星点偏移量的均值作为星图平移叠加量，将第2～第m幅星图累加至第1幅星图，即可得到星点偏移量校正后的多帧累加星图；
步骤九：累加星图星点提取；通过连通域划分以及星点定位算法，得到多帧累加星图中的各个星点亚像素坐标和星点的相对能量比值，并按照星点亮度进行降序排列；
步骤十：星点验证；当星点的信噪比大于设定的阈值时，判定为星点，否则视为噪声点。
2.如权利要求1所述基于多帧累加算法的全天时星敏感器星点提取方法，其特征在于，步骤一中的去噪算法为中值减法去噪、或中值滤波、或维纳滤波。
3.如权利要求1所述基于多帧累加算法的全天时星敏感器星点提取方法，其特征在于，步骤五中的连通域划分算法为基于像素标记的星点粗定位、或基于线性标记法的星点粗定位；步骤九中的连通域划分算法为基于像素标记的星点粗定位、或基于线性标记法的星点粗定位。
4.如权利要求1或3所述基于多帧累加算法的全天时星敏感器星点提取方法，其特征在于，连通域划分中的阈值分割算法为固定阈值分割算法、或基于总判定错误率最小的阈值分割算法。
5.如权利要求1所述基于多帧累加算法的全天时星敏感器星点提取方法，其特征在于，步骤五中的星点定位算法为传统质心法、加权平方质心法；步骤九中的星点定位算法为传统质心法、加权平方质心法。
6.如权利要求1所述基于多帧累加算法的全天时星敏感器星点提取方法，其特征在于，步骤十中，星点信噪比的计算公式为：
Figure FDA0002362122580000021
其中，STg为星点所占像元像素值之和，即星点信号的总能量；CTg为星点所占像元数；MBg为星图噪声均值；σBg为星图噪声标准差。
7.如权利要求1所述基于多帧累加算法的全天时星敏感器星点提取方法，其特征在于，步骤十中，星点信噪比的计算公式为：
Figure FDA0002362122580000031
gTg＝STg-CTgMBg
其中，STg表示星图中所有像素的像素值之和；gTg表示星点信号像素的像素值之和，即为全部星点信号的灰度值；CTg表示星图中像素个数；MBg表示除星点信号外的星图背景区域像素的像素值均值。
8.如权利要求1所述基于多帧累加算法的全天时星敏感器星点提取方法，其特征在于，步骤二涉及的n帧连续去噪星图中，n的取值大小与平台运动速度相关。
CN202010024949.0A 2020-01-10 2020-01-10 一种基于多帧累加算法的全天时星敏感器星点提取方法 Active CN111089586B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010024949.0A CN111089586B (zh) 2020-01-10 2020-01-10 一种基于多帧累加算法的全天时星敏感器星点提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010024949.0A CN111089586B (zh) 2020-01-10 2020-01-10 一种基于多帧累加算法的全天时星敏感器星点提取方法

Publications (2)

Publication Number Publication Date
CN111089586A true CN111089586A (zh) 2020-05-01
CN111089586B CN111089586B (zh) 2021-09-07

Family

ID=70400404

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010024949.0A Active CN111089586B (zh) 2020-01-10 2020-01-10 一种基于多帧累加算法的全天时星敏感器星点提取方法

Country Status (1)

Country Link
CN (1) CN111089586B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112270704A (zh) * 2020-10-26 2021-01-26 吉林大学 一种基于数据链表结构的星点质心提取方法
CN112665579A (zh) * 2020-12-01 2021-04-16 中国人民解放军国防科技大学 基于几何验证的星图识别方法和装置

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5365269A (en) * 1992-10-22 1994-11-15 Santa Barbara Instrument Group, Inc. Electronic camera with automatic image tracking and multi-frame registration and accumulation
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
CN104899892A (zh) * 2015-06-30 2015-09-09 西安电子科技大学 一种快速的星图图像星点提取方法
CN105424033A (zh) * 2015-10-30 2016-03-23 北京控制工程研究所 一种提高星光定向仪动态探测灵敏度的方法
CN107504966A (zh) * 2017-07-10 2017-12-22 北京控制工程研究所 一种白昼有云环境下导航星星点提取的方法
CN107590777A (zh) * 2017-07-17 2018-01-16 中国人民解放军国防科学技术大学 一种星敏感器星点图像增强方法
CN108645401A (zh) * 2018-04-03 2018-10-12 中国人民解放军国防科技大学 基于姿态关联图像叠加的全天时星敏感器星点提取方法
US20190353484A1 (en) * 2018-02-22 2019-11-21 Government Of The United States Of America, As Represented By The Secretary Of The Navy Methods and apparatuses for determining attitude information from stars using color information

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5365269A (en) * 1992-10-22 1994-11-15 Santa Barbara Instrument Group, Inc. Electronic camera with automatic image tracking and multi-frame registration and accumulation
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
CN104899892A (zh) * 2015-06-30 2015-09-09 西安电子科技大学 一种快速的星图图像星点提取方法
CN105424033A (zh) * 2015-10-30 2016-03-23 北京控制工程研究所 一种提高星光定向仪动态探测灵敏度的方法
CN107504966A (zh) * 2017-07-10 2017-12-22 北京控制工程研究所 一种白昼有云环境下导航星星点提取的方法
CN107590777A (zh) * 2017-07-17 2018-01-16 中国人民解放军国防科学技术大学 一种星敏感器星点图像增强方法
US20190353484A1 (en) * 2018-02-22 2019-11-21 Government Of The United States Of America, As Represented By The Secretary Of The Navy Methods and apparatuses for determining attitude information from stars using color information
CN108645401A (zh) * 2018-04-03 2018-10-12 中国人民解放军国防科技大学 基于姿态关联图像叠加的全天时星敏感器星点提取方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
WANG ZILIANG;QUAN WEI: "An all-sky autonomous star map identification algorithm", 《IEEE AEROSPACE AND ELECTRONIC SYSTEMS MAGAZINE》 *
胡晓东，等: "一种用于白天星敏感器的星点质心提取方法", 《中国惯性技术学报》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112270704A (zh) * 2020-10-26 2021-01-26 吉林大学 一种基于数据链表结构的星点质心提取方法
CN112270704B (zh) * 2020-10-26 2024-02-20 苏州吉天星舟空间技术有限公司 一种基于数据链表结构的星点质心提取方法
CN112665579A (zh) * 2020-12-01 2021-04-16 中国人民解放军国防科技大学 基于几何验证的星图识别方法和装置
CN112665579B (zh) * 2020-12-01 2024-02-27 中国人民解放军国防科技大学 基于几何验证的星图识别方法和装置

Also Published As

Publication number Publication date
CN111089586B (zh) 2021-09-07

Similar Documents

Publication Publication Date Title
CN105976330B (zh) 一种嵌入式雾天实时视频稳像方法
CN104392468B (zh) 基于改进视觉背景提取的运动目标检测方法
CN107301661A (zh) 基于边缘点特征的高分辨率遥感图像配准方法
CN109272489A (zh) 基于背景抑制与多尺度局部熵的红外弱小目标检测方法
CN107403134B (zh) 基于局部梯度三边的图域多尺度红外弱小目标检测方法
CN110163818A (zh) 一种用于海事无人机的低照度视频图像增强方法
CN107301420A (zh) 一种基于显著性分析的热红外影像目标探测方法
CN111089586B (zh) 一种基于多帧累加算法的全天时星敏感器星点提取方法
CN108334885A (zh) 一种视频卫星图像空间目标检测方法
CN109978797B (zh) 基于暗通道噪声模板的主动式像素传感器星图去噪方法
Lian et al. A novel method on moving-objects detection based on background subtraction and three frames differencing
CN110189375A (zh) 一种基于单目视觉测量的图像目标识别方法
CN108694349A (zh) 一种基于线阵相机的受电弓图像提取方法及装置
CN111915634A (zh) 一种基于融合策略的目标物体边缘检测方法与系统
CN111145198A (zh) 一种基于快速角点检测的非合作目标运动估计方法
CN107705295A (zh) 一种基于稳健主成分分析法的图像差异检测方法
CN112884795A (zh) 一种基于多特征显著性融合的输电线路巡检前景与背景分割方法
CN110501339B (zh) 一种复杂环境下的布面定位方法
CN115601538A (zh) 目标检测方法及目标检测器、系统和介质
CN116665097A (zh) 一种结合上下文感知的自适应目标跟踪方法
CN116883868A (zh) 基于自适应图像去雾的无人机智能巡航检测方法
CN109461164A (zh) 一种基于方向核重建的红外小目标检测方法
Balcilar et al. Extracting vehicle density from background estimation using Kalman filter
Lu et al. Image processing and recognition algorithm for target tracking
CN109087334A (zh) 基于显著语境稀疏表示的目标追踪方法

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