CN112419180B - 一种未知方向的高动态星点提取方法 - Google Patents
一种未知方向的高动态星点提取方法 Download PDFInfo
- Publication number
- CN112419180B CN112419180B CN202011300200.0A CN202011300200A CN112419180B CN 112419180 B CN112419180 B CN 112419180B CN 202011300200 A CN202011300200 A CN 202011300200A CN 112419180 B CN112419180 B CN 112419180B
- Authority
- CN
- China
- Prior art keywords
- star
- centroid
- point
- image
- 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.)
- Active
Links
- 238000000605 extraction Methods 0.000 title claims abstract description 64
- 230000010354 integration Effects 0.000 claims abstract description 63
- 238000005070 sampling Methods 0.000 claims abstract description 21
- 238000001914 filtration Methods 0.000 claims abstract description 14
- 238000000034 method Methods 0.000 claims description 44
- 238000004422 calculation algorithm Methods 0.000 claims description 24
- 238000003384 imaging method Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 7
- 238000011176 pooling Methods 0.000 claims 2
- 230000000694 effects Effects 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 5
- 238000004088 simulation Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000000593 degrading effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种未知方向的高动态星点提取方法,步骤为:(1)对高动态星图的各个方向(n个方向)分别进行方向积分,得到n个方向对应的积分后的n张星图;(2)找到n张星图每个对应像素中n个值中的最大值,作为方向积分后的星图对应像素上的像素值,以此组成一张积分后的高动态星图,接着进行最大值滤波得到滤波后的高动态星图;(3)对滤波后的高动态星图进行降采样;(4)对降采样星图进行(1)、(2)步操作;(5)进行质心粗提取;(6)根据粗提取结果进行质心精提取。
Description
技术领域
本发明涉及天文导航领域星敏感器技术,具体涉及一种未知方向的高动态星点提取方法。
背景技术
星敏感器是广泛应用于卫星、导弹等载体上的姿态测量器件,动态性能是星敏感器的一项重要指标,随着精细化任务的应用,例如环扫卫星、临近空间飞行器,对星敏感器动态性能要求越来越高。但由于在高动态情况下,星图中星点能量将分布到轨迹周围的更多像元上,像平面上的星点因此变得暗淡以至于信噪比降低,造成星点提取困难。
为了解决高动态星图中星点拖尾带来的星点提取困难的问题,需要从原理上理解形成的机理。按照星敏感器中成像芯片成像的顺序,主要有两类解决方法。
第一类就是在成像之前尽可能的消除相对运动带来的影响。如(1)提高光学系统的成像性能,尽可能的增加镜头的进光量,使得星点亮度提高;(2)采用多视场,不仅可以增加镜头的面积而且可以使视场增大,这样就可以拍摄到太空中更多的星点,将星图中较亮的恒星进行星图识别,也可以间接解决星点较暗的问题。其次,在多视场情况下,可以得到更多星点信息,多个视场的测量信息进行融合还能得到更高的姿态测量精度;(3)提高成像系统性能,对于成像芯片,可以从工艺方面进行考虑,使用更合适的材料,使得其光电信号转换效率更高,并且尽可能抑制噪声,从而提升信噪比。(4)加入像增强器,在星敏感器中集成一个像增强器器件,使得星点能量增大然后进行成像,这就使得较暗的星点得到信号增强,使得信噪比提高。
第二类方法就是在星图拍摄之后,对星图进行软件方面的处理,提高信噪比,减少运动模糊,从而进行星点的提取。这类方法主要有自适应窗口提取法利用滤波进行星图复原法等。
在固定窗口法的情况下,其对于高动态星点不能更好的适应其速度和方向,北京航空航天大学江洁等提出了一种自适应窗口提取法,可以根据星点运动的方向和速度选择合适的窗口,从而更好的进行高动态星点的提取。其还利用形态学方法进行星点断裂的判定,并用数学形态学中的膨胀算子进行断裂星点的重造,之后进行更高精度的星点提取。
还有一些高动态星点提取算法从星图复原方面入手,例如利用逆滤波、维纳滤波、约束最小二乘方滤波等,这些都是为了对高动态星点提取更高的精度,前提是先将星点提取出来,然后对星图进行处理,以得到更高的精度。本发明的重点研究在高动态情况下星图信噪比较低,星点提取困难的问题。
发明内容
本发明的技术解决问题:克服现有技术的不足,提供一种未知方向的高动态星点提取方法,通过方向积分提高星图信噪比,以此来提高星点提取能力,并且通过级联积分用两个小模板达到一个大模板的性能,减少资源占用,通过降采样进一步减少资源占用,最后对星点质心细化,得到更高精度的质心,从而使星敏感器在高动态情况下正常工作。本发明中,如果采用一个m*m大小的模板,信噪比将提高倍,提升了星敏感器动态性能,对实现星敏感器在高动态情况下正常工作具有重要意义。
本发明采用的技术方案:一种未知方向的高动态星点提取方法,包括如下步骤:
(1)由于未知星点拖尾方向,现对高动态星图分别沿着各个方向进行方向积分,得到沿每个方向积分之后的数张高动态星点图像;
(2)当沿着星点拖尾方向积分时,积分值就会大于沿着其他方向进行积分的积分值,所以将各个方向积分后的数张高动态星点图像的对应像素值进行比较,最大的像素值认为是该像素沿着星点拖尾方向进行积分的积分值,由这些最大像素值组成一张沿星点拖尾方向积分的高动态星图,并且记录下取这些最大像素值对应的星点拖尾方向。由于这样直接将最大值作为沿着星点拖尾方向积分的积分值,会造成相邻像素的误差,接着对积分后的高动态星图进行一次最大值滤波得到滤波后的星图像;
(3)对滤波后的星图像进行一次降采样,得到降采样星图;
(4)对降采样星图进行步骤(1)、(2)操作,得到二次滤波后的星图像;
(5)对二次滤波后的星图像进行星点质心定位,由于之前进行了一次降采样,所以得到的质心定位结果欠佳,此过程称为质心粗提取以得到质心粗提取结果;
(6)根据质心粗提取结果,以此粗提取的质心为中心,在最开始的高动态星图上取一个小窗口星图像,根据步骤(2)中记录的该星点粗提取质心像素对应的星点拖尾方向对小窗口星图像进行该方向的方向积分,得到积分后的图像,然后在此图像上进行质心定位得到星点质心作为星点质心的精提取结果。这样就克服了由降采样引起的质心定位精度较低的缺点,达到提取更高精度质心的目的。从而对信噪比较低的高动态星图完成星点的质心提取。
所述步骤(1)对高动态星图的各个方向分别进行方向积分具体为:
根据高动态星图中星点的拖尾方向将高动态星图大致分为n个方向,以此设计n个模板,每个模板对应一种方向,模板大小为m*m。用这n个模板分别对高动态星图进行方向积分,得到n张积分后的星图像。
所述步骤(2)将各个方向积分后的数张高动态星点图像的对应像素值进行比较,最大的像素值认为是该像素沿着星点拖尾方向进行积分的积分值,由这些最大像素值组成一张沿星点拖尾方向积分的高动态星图具体为:
对步骤(1)中n张积分后的星图像,将积分后的星图像对应的像素值进行比较,也就是先将n张积分后的星图像的第一个像素值进行比较,最大值作为最终沿星点拖尾方向积分的积分星图像的第一个像素值,然后将n张积分后的星图像的第二个像素值进行比较,最大值作为沿星点拖尾方向积分的积分星图像的第二个像素值,以此类推,得到沿星点拖尾方向进行积分的积分星图像。这样做是因为沿着星点拖尾方向进行积分得到的积分值就会大于沿着其他方向积分得到的积分值,所以我们将积分后的n张对应像素的最大值认为是该像素沿着星点拖尾方向进行积分的积分值,以此来达到沿着星点拖尾方向积分以提高信噪比的目的。
所述步骤(3)对滤波后的星图进行降采样具体为:
对滤波后的星图像进行一次降采样,降采样也称池化操作,本发明采用最大池化的方式,具体做法为将整张星图不重叠的分割成若干个同样大小的小方块(本发明为2*2的小方块),对每个小方块内只取最大的像素值,再舍弃其他像素值,保持原有的结构输出结果得到降采样星图。滤波后的星图中有对需要识别的星点不必要的冗余信息,通过降采样就可以减少这种冗余信息带来的计算量的复杂化。在未知方向的情况下,如果用比较小的模板对高动态星图进行各个方向积分会使积分效果不太理想,而用比较大的模板对高动态星图进行各个方向积分就造成计算量过大,所以采用两级积分的方法用两个小模板级联积分以达到大模板积分的目的,其中在两级积分中间插入一个降采样步骤,通过降采样将第一级积分后的高动态星图的大小缩小到了四分之一,然后进行第二级方向积分就会使计算量大大减少。
所述步骤(5)对二次滤波后的星图像进行星点质心定位,得到质心粗提取结果,具体为:
由于之前采用了一次降采样,所以质心定位精度欠佳,此过程称为质心粗提取。上述步骤主要为了尽可能提高星图信噪比,将星点提取出来。质心定位方法主要有质心法,高斯拟合法,阈值质心法。这里对降采样的星图进行阈值质心法进行星点质心提取。
所述步骤(6)根据粗提取结果进行质心精提取具体为;
根据质心粗提取结果,以此粗提取的质心为中心,在最开始的高动态星图中取一个31*31个像素的小窗口星图像,由于根据之前的各种处理,已经知道星点在这个小窗口内,但是精度不理想。想要得到更高精度的星点质心,根据步骤(2)中记录的该星点粗提取质心像素对应的星点拖尾方向对小窗口星图像进行该方向的方向积分,得到积分后的图像,然后在此图像上进行质心定位得到星点质心作为星点质心的精提取结果。由于提取的小窗口比较小,运算量较小,而且精度会比降采样后的质心定位精度高,从而对信噪比较低的高动态星图完成星点的质心提取。
本发明与现有技术相比的优点在于:
(1)通过方向积分使星图信噪比得以提高,提高了对高动态星点的提取能力。
(2)高动态星点在信噪比较低的情况下可能会出现星点断裂现象,用传统阈值法直接质心定位可能会对一个高动态星点得到多个质心,使定位不准确,通过方向积分算法可以将星点断裂处进行连接,使精度提高。
(3)采用多个小模板级联积分的方法达到大模板积分的效果,减少了资源占用,同时通过降采样进一步减少资源占用。
附图说明
图1为本发明方法实现流程图;
图2为一次积分后图像;
图3为降采样星图及二次积分效果图,(a)降采样后图像,(b)二次积分后图像;
图4为信噪比变化曲线图;
图5为未知方向积分算法与传统阈值法星点提取精确度曲线图;
图6为星点断裂图像(灰度值*10);
图7为未知方向积分算法与传统阈值法星点召回率曲线图;
图8为未知方向积分算法与传统阈值法星点提取精度曲线图;
图9为高动态星点及其三维图,(a)高动态星点图像,(b)高动态星点三维图像;
图10为真实高动态星点运动轨迹图;
图11为图10对应理想方向积分模板。
具体实施方式
为使本发明的目的、技术方案、优点更加清楚,下面结合附图及具体实施例对本发明做进一步详细说明。
如图1所示,本发明实施例如下:
首先用n个模板对高动态星图进行n个方向的方向积分,然后找到n张图像对应像素的最大值作为积分后星图的对应像素值,比如n张积分后的星图的第一个像素对应的n个像素值进行比较得到最大值,将最大值作为积分后高动态星图的第一个像素值,n张积分后的星图的第二个像素对应的n个像素值进行比较得到最大值,将最大值作为积分后高动态星图的第二个像素值,以此完成所有对应像素的比较,组成积分后的高动态星图,接着进行最大值滤波,得到滤波后的图像,如图2所示。并且记录取最大值时使用的是对应的第几个积分模板。
在未知方向的情况下,如果用比较小的模板对高动态星图进行各个方向积分会使积分效果不太理想,而用比较大的模板对高动态星图进行各个方向积分就造成计算量过大,所以采用两级积分的方法用两个小模板级联积分以达到大模板积分的效果。其中在两级积分中间插入一个降采样步骤,通过降采样将第一级积分后的高动态星图的大小缩小到了四分之一,降采样图像如图3(a)所示,星图大小变为了原来的四分之一,但星点特征得以保留,然后利用这个方向模板对降采样图像进行二次积分,如图3(b)所示,其信噪比相对于图3(a)中降采样图像进一步提高,然后对二次积分后的图像进行质心定位,将得到的质心进行同比例缩放得到质心粗提取结果。
根据粗提取结果在原高动态图像上取一个31*31小窗口,然后在这个小窗口内用上述记录的方向模板进行方向积分,然后进行质心定位得到高动态星图的星点精确的质心。
在高动态星图中,如果沿着星点拖尾方向进行方向积分则可以将星图信噪比提高,从而提高星点提取能力,本发明的核心在于方向积分算法将星图信噪比提高,并且采用两级积分的方法用两个小模板达到一个大模板的效果来减少资源占用,并且采取降采样方法进一步减少资源占用。
下面以具体仿真实例说明本发明的质心提取效果。
对星点提取算法的提取能力的评价指标主要有对真实星点提取的精确率(precision)、召回率(recall)以及质心提取精度。精确率表示定位出的真实星点占定位出的真实星点和错误星点之和的比例,召回率表示定位出来的真实星点占定位出的真实星点与未定位出的真实星点之和的比例,质心提取精度表示提取出的星点质心与真实质心之间的误差。
其中,TP:检测出的真实星点;
FP:检测出的假的星点(即误提取的星点);
FN:未检测出来的真实星点;
(x0,y0):真实星点坐标;
(x,y):质心定位得到的星点坐标。
为了验证方向积分算法的星点提取能力,本文选取传统阈值法作为比较进行仿真实验。以背景噪声作为变量,分别统计在两种算法下精确率、召回率以及质心定位精度。
对于仿真实验,采用处理器为Intel(R)Core(TM)i5-8250U,主频为1.6GHz,睿频为1.8GHz,RAM为8GB的计算机,MATLAB版本为R2018b。
实验处理的星图为通过MATLAB仿真得到的噪声标准差为0-0.06,每类噪声情况下生成300副不同的星图,星点运动角速度为5-10°/s,曝光时间为20ms,模拟星点的高斯亮度值为0.5,离散斑半径σ为0.5-1。其信噪比图像如图4所示,随着模拟噪声逐渐增加,仿真星图的信噪比逐渐降低。下面分析在此噪声变化下的精确度、召回率以及精度误差等指标。
未知方向积分算法与传统阈值法的星点提取精确度如图5所示,随着信噪比降低,局部阈值星点提取算法精确率下降较快,将模拟高斯噪声加到0.03时,局部阈值法精确率下降到28%,并且之后变化较缓慢,其中在噪声为0.02时,出现了星图提取精确度的急剧下降,经过分析,在噪声为0.02时,用局部阈值法对高动态星点质心定位时会由于信噪比较低,用阈值进行二值化过程中,出现星点断裂现象,将拖尾星点定位成多个星点,从而将其视为检测出的假的星点,使精确度迅速下降。如图6所示,单个高动态拖尾星点被定位成了两个星点,从而使其精确度迅速下降。而在噪声为0.03时,未知方向积分算法精确度依然达到91%,而噪声达到0.04时,精确率下降到49%。
上述说明对于高动态星点提取算法中,传统的局部阈值法已经不在适用,如果将拖尾星点识别为多个星点,在后续星图识别中会造成星图识别失败,从而使星敏感器无法工作。而对于未知方向积分算法,由于沿着星点方向对星点的灰度值进行了累加,可以降低星点断裂的影响,不仅将使星点提取的假星率降低,而且使星点精度提高,达到更好的高动态星点提取能力。
未知方向积分算法与传统阈值法召回率曲线如图7所示,召回率反应所有真实星点中能识别出的星点的比例,在噪声比较低的情况下,局部阈值法以及未知方向积分算法都能较好的进行星点提取,由于噪声比较低,对于亮度稍高一点的星点都能进行提取;当模拟高斯噪声达到0.02时,对于较暗一点的星点,用局部阈值法提取时就可能因为星点断裂,精度过低,就会将其视为假的星点,使召回率下降;当模拟高斯噪声增加到0.04时,局部阈值法召回率下降到了29%,而方向积分算法提取率只下降到83%,当模拟高斯噪声的离散斑半径增加到0.06时,方向积分算法召回率依然能达到48%,说明方向积分算法可以较好的提高高动态星点提取能力。
对于传统阈值法和未知方向积分算法星点提取精度效果如图8所示,总体上方向积分算法优于传统阈值积分法。具体来看,在噪声小于0.015时,由于噪声较小,传统阈值法和未知方向积分算法星点提取精度差别较小,而且提取精度较高。但是当噪声达到0.02之后,由于高动态星点的断裂影响,在统计传统阈值法精度时,将识别出的多个星点中的离真实星点最近的值作为识别出的星点,但依然会由于缺失了断裂的部分星点信息造成传统阈值法精度迅速下降,而未知方向积分算法通过积分将星点断裂处的像素补偿出来,克服了部分星点断裂的影响
如图9中的(a)、(b)所示,高动态情况下星点成像的二维灰度图像及对应的三维分布图,可以明显看出,星点能量被分散到了更多像元中。如图10所示,真实星点沿着0度方向的拖尾星图,其对应的最理想的积分模板如图11所示,用图11的模板对其进行积分得到的积分值会大于沿其他方向积分的积分值,也就是0度星点拖尾方向的理想积分模板。
该积分算法的原理为:
首先对星点进行建模,在星敏感器成像芯片进行成像过程中,会叠加多种噪声,这里将在点(x,y)处的噪声表示为Nxy,对于其中星点的能量表示为Sxy,则在成像星图中点(x,y)处的能量Ixy可以表示为:
Ixy=Sxy+Nxy; (2.5)
对于成像芯片中的噪声服从高斯分布N(μ0,σ0 2)。其中μ0表示噪声的期望,σ0表示噪声的标准差。
当沿着星点拖尾方向进行积分,积分后的噪声为:
由于噪声服从同一高斯分布,则σ1=σ2=···=σn=σ0;所以;
对于星点来说,当沿着星点运动方向进行积分,积分之后星点所在像素的信号值会提高n倍,即
假设用一个9×9的模板沿着星点拖尾方向进行积分,每个星点的信号值将会提升9倍,而噪声将会提升倍,即3倍,从而就可以将星图信噪比提升3倍。而且当拖尾星点出现若干像素的断裂现象时,通过积分也可以将断裂星点断裂处的值提高,从而减少星点断裂现象的影响。
提供以上实施例仅仅是为了描述本发明的目的,而并非要限制本发明的范围。本发明的范围由所附权利要求限定。不脱离本发明的精神和原理而做出的各种等同替换和修改,均应涵盖在本发明的范围之内。
Claims (1)
1.一种未知方向的高动态星点提取方法,其特征在于,包括如下步骤:
(1)基于未知星点拖尾方向,对高动态星图分别沿着各个方向进行方向积分,得到沿每个方向积分之后的数张高动态星点图像;
(2)当沿着星点拖尾方向积分时,积分值就会大于沿着其他方向进行积分的积分值,将各个方向积分后的数张高动态星点图像的对应像素值进行比较,最大的像素值认为是该像素沿着星点拖尾方向进行积分的积分值,由这些最大像素值组成一张沿星点拖尾方向积分的高动态星图,并且记录下取这些最大像素值对应的星点拖尾方向,然后对积分后的高动态星图进行一次最大值滤波得到滤波后的星图像;
(3)对滤波后的星图像进行一次降采样,得到降采样星图;对滤波后的星图进行降采样具体为:对滤波后的星图像进行一次降采样,降采样也称池化操作,采用最大池化的方式,具体做法为将整张星图不重叠的分割成若干个同样大小的小方块,对每个小方块内只取最大的像素值,再舍弃其他像素值,保持原有的平面结构输出结果得到降采样星图;
(4)对降采样星图进行步骤(1)、(2)操作,得到二次滤波后的星图像;
(5)对二次滤波后的星图像进行星点质心定位,此过程称为质心粗提取以得到质心粗提取结果;
(6)根据质心粗提取结果,以此粗提取的质心为中心,在最开始的高动态星图上取一个小窗口星图像,根据步骤(2)中记录的该星点粗提取质心像素对应的星点拖尾方向对小窗口星图像进行该方向的方向积分,得到积分后的图像,然后在此图像上进行质心定位得到星点质心作为星点质心的精提取结果,从而对信噪比低的高动态星图完成星点的质心提取;
积分算法的原理为:
首先对星点进行建模,在星敏感器成像芯片进行成像过程中,会叠加多种噪声,这里将在点(x,y)处的噪声表示为Nxy,对于其中星点的能量表示为Sxy,则在成像星图中点(x,y)处的能量Ixy可以表示为:
Ixy=Sxy+Nxy; (2.5)
对于成像芯片中的噪声服从高斯分布N(μ0,σ0 2);其中μ0表示噪声的期望,σ0表示噪声的标准差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011300200.0A CN112419180B (zh) | 2020-11-19 | 2020-11-19 | 一种未知方向的高动态星点提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011300200.0A CN112419180B (zh) | 2020-11-19 | 2020-11-19 | 一种未知方向的高动态星点提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112419180A CN112419180A (zh) | 2021-02-26 |
CN112419180B true CN112419180B (zh) | 2022-07-05 |
Family
ID=74774687
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011300200.0A Active CN112419180B (zh) | 2020-11-19 | 2020-11-19 | 一种未知方向的高动态星点提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112419180B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114943713B (zh) * | 2022-05-30 | 2024-03-29 | 中国科学院上海天文台 | 一种用于广域天区中密集星图的高精度星象检测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101852616A (zh) * | 2010-04-30 | 2010-10-06 | 北京航空航天大学 | 一种高动态条件下实现星体目标提取的方法和装置 |
CN103323027A (zh) * | 2013-05-30 | 2013-09-25 | 北京控制工程研究所 | 基于星点重构的星敏感器动态补偿方法 |
CN104318119A (zh) * | 2014-11-03 | 2015-01-28 | 北京航空航天大学 | 一种高动态下星点质心误差补偿方法 |
CN111121756A (zh) * | 2019-07-16 | 2020-05-08 | 上海航天控制技术研究所 | 一种高动态星敏感器图像处理控制方法 |
-
2020
- 2020-11-19 CN CN202011300200.0A patent/CN112419180B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101852616A (zh) * | 2010-04-30 | 2010-10-06 | 北京航空航天大学 | 一种高动态条件下实现星体目标提取的方法和装置 |
CN103323027A (zh) * | 2013-05-30 | 2013-09-25 | 北京控制工程研究所 | 基于星点重构的星敏感器动态补偿方法 |
CN104318119A (zh) * | 2014-11-03 | 2015-01-28 | 北京航空航天大学 | 一种高动态下星点质心误差补偿方法 |
CN111121756A (zh) * | 2019-07-16 | 2020-05-08 | 上海航天控制技术研究所 | 一种高动态星敏感器图像处理控制方法 |
Non-Patent Citations (3)
Title |
---|
Wang Hou 等.Smeared star spot location estimation using directional integral method.《APPLIED OPTICS》.2014,第53卷(第10期), * |
Xiaolin Wang.Hardware Implementation of Fast and Robust Star Centroid Extraction With Low Resource Cost.《IEEE SENSORS JOURNAL》.2015,第15卷(第9期), * |
金雁 等.高动态星体目标提取方法.《红外与激光工程》.2011,第40卷(第11期), * |
Also Published As
Publication number | Publication date |
---|---|
CN112419180A (zh) | 2021-02-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113052210B (zh) | 一种基于卷积神经网络的快速低光照目标检测方法 | |
CN112861729B (zh) | 一种基于伪深度图引导的实时深度补全方法 | |
CN111652217A (zh) | 文本检测方法、装置、电子设备及计算机存储介质 | |
CN109447979B (zh) | 基于深度学习和图像处理算法的目标检测方法 | |
CN109708648B (zh) | 一种空间运动点目标的分类辨识方法 | |
CN115035295B (zh) | 一种基于共享卷积核和边界损失函数的遥感图像语义分割方法 | |
CN110246171B (zh) | 一种实时单目视频深度估计方法 | |
CN112419180B (zh) | 一种未知方向的高动态星点提取方法 | |
CN112183649A (zh) | 一种用于对金字塔特征图进行预测的算法 | |
CN114266805A (zh) | 一种用于无人机目标跟踪的孪生区域建议网络模型 | |
CN116563553B (zh) | 一种基于深度学习的无人机图像分割方法和系统 | |
CN116229286B (zh) | 一种知识驱动的空间目标态势感知方法及系统 | |
CN116468968A (zh) | 一种融合注意力机制的天文图像小目标检测方法 | |
AU2021102692A4 (en) | A multidirectional feature fusion network-based system for efficient object detection | |
CN115424140A (zh) | 星载海量图像数据分布式协同快速高精度处理系统及方法 | |
CN115100409A (zh) | 一种基于孪生网络的视频人像分割算法 | |
CN113537026A (zh) | 建筑平面图中的图元检测方法、装置、设备及介质 | |
CN113139549A (zh) | 一种基于多任务学习的参数自适应全景分割方法 | |
US11250298B1 (en) | Methods for training and testing perception network by using images obtained from multiple imaging devices having diverse specifications and learning device and testing device using the same | |
Liu | Dense multiscale feature fusion pyramid networks for object detection in UAV-captured images | |
Al Mamun et al. | A deep learning approach for lane marking detection applying encode-decode instant segmentation network | |
CN115096196B (zh) | 一种用于火箭回收的视觉测高测速方法、系统及存储介质 | |
CN115775258A (zh) | 一种空间目标运动轨迹光学测量与关联方法 | |
CN117253033A (zh) | 一种基于深度学习和分水岭分割的设备仪表参数检测方法 | |
Ali et al. | Speed limit road sign detection and recognition system |
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 |