CN112465712B - 一种运动模糊星图复原方法及系统 - Google Patents

Abstract

本发明提供一种运动模糊星图复原方法及系统，该方法包括：对星图中目标区域进行阈值分割，对分割的目标区域，进行连通域区域生长聚类，确定目标成像像素；基于星目标二维高斯分布成像模型估算目标成像参数，计算目标成像矩阵的特征值和特征向量；基于星目标成像特性估计运动模糊参数，采用维纳滤波实现运动模糊星图复原。通过该方案可以提高星点的质心提取精度，方便星图的匹配识别和姿态解算，计算过程简单且复原结果准确可靠，且不需要基于连续的星图进行复原。

Description

一种运动模糊星图复原方法及系统

技术领域

本发明涉及天文导航领域，尤其涉及一种运动模糊星图复原方法及系统。

背景技术

天文导航是以已知准确空间位置的自然天体为基准进行导航的，其具有自主性强、误差不随时间积累的特点，被广泛应用于航天、航空以及航海领域。由于载体在做高速运动，天文导航设备与恒星存在着相对角运动，拍摄星图存在拖尾现象，严重影响到星点的质心提取精度，进而影响到星图的匹配识别和姿态解算。

目前，已公开的专利中，采用区域滤波方法进行星图复原，具体通过建立不同条件下星点质心的运动模型，确定星点质心的运动轨迹，提取星点的模糊区域再利用区域滤波算法进行处理，结合图像复原算法和退化函数进行复原。该方法虽然星点质心复原精度高，但计算过程复杂，且需要基于连续的图像帧进行复原。

发明内容

有鉴于此，本发明实施例提供了一种运动模糊星图复原方法及系统，以解决现有星图复原方法计算过程复杂的问题。

在本发明实施例的第一方面，提供了一种运动模糊星图复原方法，包括：

S1、根据检测目标局部背景的灰度均值、方差，计算目标分割阈值，对图像中目标进行分割，将目标从背景中分离出来；

S2、对阈值分割后的目标区域，以目标中心像素为起点进行八连通域区域生长聚类，确定目标成像像素；

S3、基于星目标二维高斯分布成像模型估算目标成像参数，得到目标成像矩阵，计算目标成像矩阵的特征值和特征向量，其特征向量即为目标运动方向；

S4、获取星图中高可靠度星目标的运动方向，根据所有高可靠度星目标运动方向估算星敏感器运动模糊方向；

S5、基于星敏感器运动模糊方向和高可靠度星目标的灰度信息估算目标运动模糊长度，对所有运动模糊长度进行综合处理得到星敏感器成像的运动模糊长度；

S6、根据星敏感器成像的运动模糊长度和运动模糊方向，通过维纳滤波对运动模糊图像进行复原得到复原星图。

在本发明实施例的第二方面，提供了一种运动模糊星图复原系统，包括：

目标阈值分割模块，用于根据检测目标局部背景的灰度均值、方差，计算目标区域分割阈值，对目标区域进行分割，将目标从背景中分离出来；

目标聚类处理模块，用于对阈值分割后的目标区域，以目标中心像素为起点进行八连通域区域生长聚类，确定目标成像像素区域；

目标成像参数估算模块，用于基于星目标二维高斯分布成像模型估算目标成像参数，得到目标成像矩阵，计算目标成像矩阵的特征值和特征向量；

模糊方向估算模块，用于获取星图中高可靠度星目标的运动方向，根据所有高可靠度星目标运动方向估算星敏感器运动模糊方向；

模糊长度估算模块，用于基于星敏感器运动模糊方向和高可靠度星目标的灰度信息估算运动模糊长度，对所有运动模糊长度进行综合处理得到星敏感器成像的运动模糊长度；

运动模糊星图复原模块，用于根据星敏感器成像的运动模糊长度和运动模糊方向，通过维纳滤波对运动模糊图像进行复原得到复原星图。

本发明实施例中，通过对遥测星图中目标区域阈值分割及区域生长聚类后，基于星目标二维高斯分布成像模型估算目标成像参数，计算目标成像矩阵的特征值和特征向量，根据星目标成像特性估计运动模糊参数，采用维纳滤波实现运动模糊星图复原，提高星目标质心提取精度，进而可以准确对星图进行匹配识别和姿态解算，计算过程简单快速，同时，不需要基于连续的图像帧进行星图复原，对提升星敏感器性能具有重要作用。

附图说明

为了更清楚地说明本发明实施例中的技术方案，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介绍，显而易见地，下面描述的附图仅仅是本发明的一些实施例，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，还可以根据这些附图获取其他附图。

图1为本发明的一个实施例提供的一种运动模糊星图复原方法的流程示意图；

图2为本发明的一个实施例提供的运动模糊长度取10，模糊角度为0°时的模拟星图；

图3为本发明的一个实施例提供的运动模糊长度取10，模糊角度为30°时的模拟星图；

图4为本发明的一个实施例提供的维纳滤波复原后的星图；

图5为本发明的一个实施例提供的维纳滤波复原后的另一星图；

图6为本发明的一个实施例提供的一种运动模糊星图复原系统的结构示意图。

具体实施方式

为使得本发明的发明目的、特征、优点能够更加的明显和易懂，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，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。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它实施例，都属于本发明保护的范围以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。

本发明的说明书或权利要求书及上述附图中的术语“包括”以及其他相近意思表述，意指覆盖不排他的包含，如包含一系列步骤或单元的过程、方法或系统、设备没有限定于已列出的步骤或单元。

本发明的说明书或权利要求书及上述附图中的术语“包括”以及其他相近意思表述，意指覆盖不排他的包含，如包含一系列步骤或单元的过程、方法或系统、设备没有限定于已列出的步骤或单元。此外，“第一”“第二”用于区分不同对象，并非用于描述特定顺序。

请参阅图1，图1为本发明一个实施例提供的一种星敏感器伪星目标滤除方法的流程示意图，包括：

S101、根据检测目标局部背景的灰度均值、方差，计算目标区域分割阈值，对图像中目标区域进行分割，将目标从背景中分离出来；

具体的，将目标区域每个像素灰度减去对应背景灰度值，将目标从背景中分离出来。

S102、对阈值分割后的目标区域，以目标中心像素为起点进行八连通域区域生长聚类，确定目标成像像素区域；

可以理解的是，以目标中心像素为起点，进行八连通域区域生长聚类处理，确定准确的目标成像区域，消除目标区域边缘孤立点被误判为目标像素的情况，方便后续运动模糊参数估计。

S103、基于星目标二维高斯分布成像模型估算目标成像参数，得到目标成像参数矩阵，计算目标成像参数矩阵的特征值和特征向量；

具体的，由于恒星距离地球很远，星体目标相对于星敏感器可视为点光源，由于透镜的散射作用，星目标成像近似服从二维高斯函数模型，其成像模型如下：

其中，X＝[x,y]^T为像素位置坐标；X_C＝[x_c,y_c]^T为星点质心位置坐标；R为2×2对称协方差矩阵。

对上式取自然对数并展开化简可得：

其中，D＝R^-1，令

为1×2矩阵，可用[a₁ a₂]表示，[d_ij]i,j＝1...2表示D中的各个元素。R为二维高斯分布的协方差阵，其逆矩阵D为正定对称矩阵，d₁₂＝d₂₁＝d₂，则代入上式展开可得：

等效于：

则可计算出星目标的二维高斯分布协方差阵R＝D^-1，星目标质心坐标为：X_C＝([a₁a₂]D^-1)^T。

为更好估计星目标成像参数，对参加星目标成像参数估计的各像素采用加权处理，各像素参与目标成像参数估计的权值计算公式如下：

式中，W(i,j)为目标第i个像素的权值，Δ为一个小值，用于阻止分母趋近于0。

则有：z＝(A^TWA)^-1A^TWF。

根据星目标成像模型估计目标成像参数，将目标成像参数用于后续目标运动模糊参数估计。

S104、获取星图中高可靠度星目标的运动方向，根据所有高可靠度星目标运动方向估算星敏感器运动模糊方向；

重复步骤S101-S103，获得星图中所有可靠度高的星目标的运动方向，利用所有星目标运动方向进行估计较为精确的星敏感器运动模糊方向。所述高可靠度星目标为星图中亮度较大、灰度值较大的若干个星目标，一般可以对灰度大的星目标进行排序，确定排名靠前的星目标为高可靠度星目标。

当目标质心运动(大于2个像素)较长时，可根据目标成像模型估计成像矩阵R，计算矩阵R的特征值与特征向量，通过其特征向量可确定目标运动方向。一般的，目标质心运动越长，目标运动方向估计精度越高。

S105、基于星敏感器运动模糊方向和高可靠度星目标的灰度信息估算运动模糊长度，对所有运动模糊长度进行综合处理得到星敏感器成像的运动模糊长度；

其中，目标质心在曝光时间内近似沿直线运动，可通过质心提取窗口中计算每行和每列的质心逼近x(t)和y(t)。利用下式在质心提取窗口内沿着运动轨迹方向计算每行和每列的质心，分别记作{x_cm}和{x_cn}。

{x_cm}和{x_cn}中连续稳定变化的变量，分别对应着x(t)和y(t)。若有效估算目标稳定连续变化的长度，则可估计出沿X轴和Y轴的退化长度L_x和L_y，目标质心运动长度为：

{x_cm}和{x_cn}中连续稳定变化量可估算目标的运动长度，需要确定连续稳定变化的起始位置和退化方向。鉴别目标质心轨迹的起始位置和结束位置如下：

1)分别计算质心序列的变化间隔Δx_i和Δy_i；

Δx_i＝x_i-x_i+1,i＝1,2,…,m-1

Δy_i＝y_i-y_i+1,i＝1,2,…,n-1

2)基于序列Δx_i和Δy_i的均值和标准差，设定用于拟合目标质心运动轨迹点的波动区间：

Δ_thleft＝mid(Δx_m-1)-ασ

Δ_thright＝mid(Δx_m-1)+ασ；

由于Δx_i和Δy_i的波动范围可能较大，利用质心运动轨迹的位置处于质心提取窗口的中间位置，且是中心行列，其质心变化愈稳定。

式中，σ为序列的标准差；α为一个常系数，取值取0.8～1.5。

3)在序列Δx_i沿轨迹运动方向搜索，确定第一次出现Δx_k∈[Δ_thleft,Δ_thright]，k＝1,2,…,m-1，同时满足Δx_k+1∈[Δ_thleft,Δ_thright]，k＝1,2,…,m-2时，则可通过插值确定Δx_k、Δx_k+1中的某点对应x(t)的起始点Δx_l，若上述条件最后一次不满足，则可确定对应的终点Δx_r。同理，可以计算出Δy_l和Δy_r。

4)根据步骤3)计算出的L_x和L_y，可以而确定目标运动长度

S106、根据星敏感器成像的运动模糊长度和运动模糊方向，通过维纳滤波对运动模糊图像进行复原得到复原的星图。

所述维纳滤波是一种抗噪声性能较好的图像复原方法，该方法建立在图像和噪声是随机过程的基础上。维纳滤波公式如下：

式中，H(u,v)为图像退化函数，点扩散函数的傅里叶变换，S_η(u,v)为图像噪声的功率谱，S_η(u,v)为图像未退化的功率谱，G(u,v)为退化图像的傅里叶变换，

为原图的傅里叶变换。

当处理白噪声时，S_η(u,v)为一个常数，通常未退化图像的功率谱很少是已知的，通常将S_η(u,v)/S_f(u,v)用γ表示，γ是一个特殊常数，可根据图像噪声水平进行调整，则维纳滤波公式可简化为：

通过本实施例提供的方法，可以提高星点的质心提取精度，方便星图的匹配识别和姿态解算，计算过程简单且复原结果准确可靠，同时，不需要基于连续的星图进行复原，适应性好。

在本发明提供的一个实施例中，CMOS相机视场为20°×20°，分辨率为1024×1024，像元尺寸为15μm×15μm，采用SAO星表作为基本导航星表，能敏感到的最大星等为6.5，经剔除双星后的导航星表共有8996颗导航星。随机模拟一幅标准星图，截取星图的一部分。

对生成的标准星图进行运动模糊处理，得到运动模糊的星图。在实验中，取运动模糊长度为10，模糊角度分别为0°，30°，则模拟星图如图2、图3所示。

估计出模糊星图的运动模糊长度和模糊角度后，维纳滤波方法，利用估计的运动模糊参数对模糊星图进行复原。取γ为0.001，分别对前面模拟的运动模糊星图进行复原，复原后的星图如图4、图5所示。

本发明实现的运动模糊参数估计方法，可以有效地估计出模糊星图的运动模糊长度和运动模糊角度，利用估计出的运动模糊参数实现了模糊图像的复原。

应理解，上述实施例中各步骤的序号大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

图6为本发明实施例提供的一种运动模糊星图复原的系统的结构示意图，该系统包括：

目标阈值分割模块610，用于根据检测目标局部背景的灰度均值、方差，计算目标区域分割阈值，对目标区域进行分割，将目标从背景中分离出来；

目标聚类处理模块620，用于对阈值分割后的目标区域，以目标中心像素为起点进行八连通域区域生长聚类，确定目标成像像素；

目标成像参数估算模块630，用于基于星目标二维高斯分布成像模型估算目标成像参数，得到目标成像矩阵，计算目标成像矩阵的特征值和特征向量，其特征向量即为目标运动方向；

模糊方向估算模块640，用于获取星图中高可靠度星目标的运动方向，根据所有高可靠度星目标运动方向估算星敏感器运动模糊方向；

模糊长度估算模块650，用于基于星敏感器运动模糊方向和高可靠度星目标的灰度信息估算运动模糊长度，对所有运动模糊长度进行综合处理得到星敏感器成像的运动模糊长度；

运动模糊星图复原模块660，用于根据星敏感器成像的运动模糊长度和运动模糊方向，通过维纳滤波对运动模糊图像进行复原得到复原的星图。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序或指令来控制相关的硬件完成，所述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，实现运动模糊的星图复原，所述的存储介质包括如：ROM/RAM、磁碟、光盘等。

以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (2)

1.一种运动模糊星图复原方法，其特征在于，包括：

S1、根据检测目标局部背景的灰度均值、方差，计算目标分割阈值，对图像中目标区域进行分割，将目标从背景中分离出来；

S2、对阈值分割后的目标区域，以目标中心像素为起点进行八连通域区域生长聚类，确定目标成像像素区域；

S3、基于星目标二维高斯分布成像模型估算目标成像参数，得到目标成像矩阵，计算目标成像矩阵的特征值和特征向量；

S4、获取星图中高可靠度星目标的运动方向，根据所有高可靠度星目标运动方向估算星敏感器运动模糊方向；

其中，当目标质心运动大于2个像素时，根据目标成像模型估计成像矩阵，计算成像矩阵的特征值与特征向量，基于特征向量确定目标运动方向；

S5、基于星敏感器运动模糊方向和高可靠度星目标的灰度信息估算运动模糊长度，对所有运动模糊长度进行综合处理得到星敏感器成像的运动模糊长度；

具体的，在质心提取窗口中计算每行和每列的质心逼近，在质心提取窗口内沿着运动轨迹方向计算每行和每列的质心；

根据每行和每列质心的连续稳定变化量估算目标的运动长度；

其中，确定目标质心轨迹的起始位置和结束位置包括：

分别计算质心序列的变化间隔；

基于质心序列的均值和标准差，设定用于拟合目标质心运动轨迹点的波动区间，质心运动轨迹的位置处于质心提取窗口的中间位置；

在质心序列上沿轨迹运动方向搜索，首次满足预定条件时，通过插值确定对应的起始点，若不满足预定条件，则确定最后一次对应的终点；

根据质心轨迹的起点和终点，分别计算出沿X轴和Y轴的退化长度L_x和L_y，确定目标运动长度

S6、根据星敏感器成像的运动模糊长度和运动模糊方向，通过维纳滤波对运动模糊图像进行复原得到复原的星图。

2.一种运动模糊星图复原系统，其特征在于，包括：

目标阈值分割模块，用于根据检测目标局部背景的灰度均值、方差，计算目标区域分割阈值，对目标区域进行分割，将目标从背景中分离出来；

目标聚类处理模块，用于对阈值分割后的目标区域，以目标中心像素为起点进行八连通域区域生长聚类，确定目标成像像素区域；

目标成像参数估算模块，用于基于星目标二维高斯分布成像模型估算目标成像参数，得到目标成像矩阵，计算目标成像矩阵的特征值和特征向量；

模糊方向估算模块，用于获取星图中高可靠度星目标的运动方向，根据所有高可靠度星目标运动方向估算星敏感器运动模糊方向；

其中，当目标质心运动大于2个像素时，根据目标成像模型估计成像矩阵，计算成像矩阵的特征值与特征向量，基于特征向量确定目标运动方向；

模糊长度估算模块，用于基于星敏感器运动模糊方向和高可靠度星目标的灰度信息估算运动模糊长度，对所有运动模糊长度进行综合处理得到星敏感器成像的运动模糊长度；

其中，在质心提取窗口中计算每行和每列的质心逼近，在质心提取窗口内沿着运动轨迹方向计算每行和每列的质心；

根据每行和每列质心的连续稳定变化量估算目标的运动长度；

确定目标质心轨迹的起始位置和结束位置包括：

分别计算质心序列的变化间隔；

基于质心序列的均值和标准差，设定用于拟合目标质心运动轨迹点的波动区间，质心运动轨迹的位置处于质心提取窗口的中间位置；

在质心序列上沿轨迹运动方向搜索，首次满足预定条件时，通过插值确定对应的起始点，若不满足预定条件，则确定最后一次对应的终点；

根据质心轨迹的起点和终点，分别计算出沿X轴和Y轴的退化长度L_x和L_y，确定目标运动长度

运动模糊星图复原模块，用于根据星敏感器成像的运动模糊长度和运动模糊方向，通过维纳滤波对运动模糊图像进行复原得到复原星图。

Images