CN117570970A - 复杂背景下的星点目标检测方法 - Google Patents

Abstract

本发明涉及一种复杂背景下的星点目标检测方法，包括：a.对采集的星点图像进行整帧图像扫描，判断所述图像的像素点是否是孤立噪声点，并去除孤立噪声点；b.利用小面模型描述上述去除孤立噪声点的星点图像，并计算二阶导数图；c.对整个图像对应的二阶导数图进行区域划分，从而确认划分区域是否含有星点目标；d.对含有星点目标的区域内的像素灰度值进行灰度值增强，对于没有星点目标的区域内的像素灰度值进行灰度值减弱；e.对步骤d处理后的图像，进行分块及阈值分割，从而检测出星点目标。本发明在星敏感器视场中出现复杂背景时，能够检测出未被杂光淹没的星点目标，且能够稳定地输出星敏感器姿态信息。

Description

复杂背景下的星点目标检测方法

技术领域

本发明涉及天文导航技术领域，具体涉及一种复杂背景下的星点目标检测方法。

背景技术

星敏感器是一种高精度的姿态敏感测量仪器，其通过探测天球上不同位置的恒星来确定载体姿态，是目前航天领域应用最广泛的姿态测量设备。

随着太空环境中大量人造卫星等发射成功，人造卫星为反射太阳光对星敏感器的成像系统进行干扰，星敏感器在太空中的环境日益复杂，而且还会有月亮、太阳、地气杂光干扰等问题。

通常星敏感器都安装有遮光罩来规避月亮、太阳、地气的杂光进入探测器靶面，但是在环境特别恶劣时，总有杂光会进入遮光罩，并经过多次反射后到达探测器靶面，从而导致星敏感器成像后的星点图像背景非常复杂，星点通常叠加在灰度起伏不定的背景上并且存在大量热噪声等孤立点的噪声。

在复杂工况下，传统星点目标检测方法无法检测出星点位置，从而不能进行星图识别、姿态计算等运算，使星敏感器进入太空“迷失”状态，失去正常导航功能。

发明内容

有鉴于此，有必要提供一种复杂背景下的星点目标检测方法，其应用于星敏感器，能够解决传统星点目标检测方法导致的复杂背景下星点目标检测失败的问题。

本发明提供一种复杂背景下的星点目标检测方法，该方法包括如下步骤：a.对采集的星点图像进行整帧图像扫描，判断所述图像的像素点是否是孤立噪声点，并去除孤立噪声点；b.利用小面模型描述上述去除孤立噪声点的星点图像，并计算二阶导数图；c.对整个图像对应的二阶导数图进行区域划分，从而确认划分区域是否含有星点目标；d.对含有星点目标的区域内的像素灰度值进行灰度值增强，对于没有星点目标的区域内的像素灰度值进行灰度值减弱；e.对步骤d处理后的图像，进行分块及阈值分割，从而检测出星点目标。

优选地，所述步骤a包括：

数据处理器利用3×3模板对整帧图像进行扫描，判断模板中心像素点的灰度值是否大于图像阈值T₁，其周围8个像素的灰度值均小于图像阈值T₁：如果是，则此中心像素点为孤立噪声点，以右边像素或者周围任意一个像素的灰度值替代此中心像素；如果否，则此中心像素点为非噪声点，此像素灰度值保持不变。

优选地，所述步骤b包括：

利用小面模型描述星点图像，小面模型利用二元三次方程来拟合图像当前像素的局部领域内的灰度：

其中，r和c为局部图像像素的行、列坐标，k_i为拟合系数。

优选地，所述步骤b还包括：

定义R＝{-2，-1，0，1，2}，C＝{-2，-1，0，1，2}，(r,c)∈R×C，利用二阶导数值来区分星点目标、杂光背景、普通背景的特征，像素f(r,c)在方向矢量γ上的二阶导数表示为：

其中，α表示方向矢量γ和图像行方向的夹角；

k_i＝f(r,c)*w_i

利用二阶导数计算方向0°、45°、90°和135°的二阶导数图。

优选地，所述的步骤c包括：

对整个图像对应的二阶导数图进行区域划分，每个区域大小为3×3，其中A0、A1、A2为每个区域内二阶导数的均值，不同图像特征的二阶导数的区域值有以下特点：星点目标的A0为负值，A1为正值，A2为正值；普通背景及杂光背景的区域二阶导数均值较为接近，与星点目标的区域二阶导数均值完全不同。

优选地，所述的步骤d包括：

利用w₄和w₆得到一个新的加权系数Q来实现含有目标的区域内的像素灰度值增强：

Q＝-70(w₄+w₆)

如果某一区域内含有星点目标，即满足步骤c中含有目标的条件，则增强后的像素灰度值为Q与当前像素灰度值的卷积：

if(A₀<0and A₁>0and A₂>0)

当某一区域内没有星点目标时，则对此杂光背景或普通背景的灰度值进行削弱，为当前像素灰度值的一半。

优选地，所述的步骤e包括：

划分每个子块分辨率为32×32像素，然后计算每个子块内的图像均值v，判断行计数器和列计数器的值，统计每32行、32列的灰度累加和，然后在场的下降沿对灰度累加和进行右移10位，即为每个子块的均值，计算子块内的图像阈值T₁，其计算公式如下：

T₁＝v+aσ

式中，v为星图子块灰度平均值，a尺度因子，σ为星图子块标准差。

优选地，所述的步骤e还包括：

比较每个像素与阈值之间的大小关系，不小于阈值的像素即为星点目标，小于阈值的像素为背景。

本申请能够对复杂背景下的星点图像进行噪声判断并滤除，且适用于普通背景下的星点图像。本申请在星敏感器视场中出现复杂背景时，能够检测出未被杂光淹没的星点目标，且能够稳定地输出星敏感器姿态信息。本发明易于硬件平台实现，方法简单、可靠、有效，可以大大提高了星敏感器的适用性。

附图说明

图1为本发明复杂背景下的星点目标检测方法的流程图；

图2为本发明不同方向上的二阶导数图区域划分示意图。

具体实施方式

下面结合附图及具体实施例对本发明作进一步详细的说明。

参阅图1所示，是本发明复杂背景下的星点目标检测方法较佳实施例的作业流程图。

步骤S1，对采集的星点图像进行整帧图像扫描，判断所述图像的像素点是否是孤立噪声点，并去除孤立噪声点。具体而言：

星敏感器采集到的星点图像通常包含孤立噪声点，数据处理器利用3×3模板对整帧图像进行扫描，判断模板中心像素点的灰度值是否大于图像阈值T₁(T₁值的确定方式见步骤S5)，其周围8个像素的灰度值均小于图像阈值T₁：如果是，则此中心像素点为孤立噪声点，以右边像素或者周围任意一个像素的灰度值替代此中心像素，如果否，则此中心像素点为非噪声点，此像素灰度值保持不变。如此遍历整帧图像后，从而达到去除孤立噪声点的目的。

此步骤的重要作用是：大量孤立噪声点会占用数据处理器的运算以及存储资源，首先对星点图像进行孤立噪声点去除，能够大大减少数据处理的计算量，防止数据阻塞，提高数据处理器的运算效率。

步骤S2，利用小面模型描述上述去除孤立噪声点的星点图像，并计算二阶导数图。具体而言：

利用小面模型(facet model)描述星点图像，小面模型利用二元三次方程来拟合图像当前像素的局部领域内的灰度。

其中，r和c为局部图像像素的行、列坐标，k_i为拟合系数。

定义R＝{-2，-1，0，1，2}，C＝{-2，-1，0，1，2}，(r,c)∈R×C。本申请利用二阶导数值来区分星点目标、杂光背景、普通背景的特征。像素f(r,c)在方向矢量γ上的二阶导数表示为：

其中，α表示方向矢量γ和图像行方向的夹角。

k_i＝f(r,c)*w_i

利用二阶导数计算方向0°、45°、90°和135°的二阶导数图。

步骤S3，对整个图像对应的二阶导数图进行区域划分，从而确认划分区域是否含有星点目标。具体而言：

对整个图像对应的二阶导数图进行区域划分，每个区域大小为3×3，不同方向的划分区域规则，请一并参考图2。其中A0、A1、A2为每个区域内二阶导数的均值，不同图像特征的二阶导数的区域值有以下特点：星点目标的A0为负值，A1为正值，A2为正值。而普通背景及杂光背景的区域二阶导数均值较为接近，与星点目标的区域二阶导数均值完全不同。因此可以利用此特点来确认此区域是否含有星点目标。

步骤S4，对含有星点目标的区域内的像素灰度值进行灰度值增强，对于没有星点目标的区域内的像素灰度值进行灰度值减弱。具体而言：

对有星点的区域内的像素灰度值进行灰度值增强，对于没有星点的区域内的像素灰度值进行灰度值减弱，具体的实现方式是：利用w₄和w₆得到一个新的加权系数Q来实现含有目标的区域内的像素灰度值增强，

Q＝-70(w₄+w₆)

如果某一区域内含有星点目标，即满足步骤S3中含有目标的条件，则增强后的像素灰度值为Q与当前像素灰度值的卷积：

if(A₀<0and A₁>0and A₂>0)

当某一区域内没有星点目标时，则对此杂光背景或普通背景的灰度值进行削弱，为当前像素灰度值的一半。

步骤S5，对步骤S4处理后的图像，进行分块及阈值分割，从而检测出星点目标。具体而言：

对步骤S4得到的处理后的图像进行分块及阈值分割，即可将目标检测出来。具体实现方式是：划分每个子块分辨率为32×32像素，然后计算每个子块内的图像均值v，判断行计数器和列计数器的值，统计每32行、32列的灰度累加和，然后在场的下降沿对灰度累加和进行右移10位，即为每个子块的均值，计算子块内的图像阈值T₁，其计算公式如下：

T₁＝v+aσ

式中，v为星图子块灰度平均值，a尺度因子，σ为星图子块标准差。根据正态分布的性质以及参考试验结果a取3。

最后，比较每个像素与阈值之间的大小关系，不小于阈值的像素即为星点目标，小于阈值的像素为背景。

虽然本发明参照当前的较佳实施方式进行了描述，但本领域的技术人员应能理解，上述较佳实施方式仅用来说明本发明，并非用来限定本发明的保护范围，任何在本发明的精神和原则范围之内，所做的任何修饰、等效替换、改进等，均应包含在本发明的权利保护范围之内。

Claims (8)

1.一种复杂背景下的星点目标检测方法，其特征在于，该方法包括如下步骤：

a.对采集的星点图像进行整帧图像扫描，判断所述图像的像素点是否是孤立噪声点，并去除孤立噪声点；

b.利用小面模型描述上述去除孤立噪声点的星点图像，并计算二阶导数图；

c.对整个图像对应的二阶导数图进行区域划分，从而确认划分区域是否含有星点目标；

d.对含有星点目标的区域内的像素灰度值进行灰度值增强，对于没有星点目标的区域内的像素灰度值进行灰度值减弱；

e.对步骤d处理后的图像，进行分块及阈值分割，从而检测出星点目标。

2.如权利要求1所述的方法，其特征在于，所述步骤a包括：

数据处理器利用3×3模板对整帧图像进行扫描，判断模板中心像素点的灰度值是否大于图像阈值T₁，其周围8个像素的灰度值均小于图像阈值T₁：如果是，则此中心像素点为孤立噪声点，以右边像素或者周围任意一个像素的灰度值替代此中心像素；如果否，则此中心像素点为非噪声点，此像素灰度值保持不变。

3.如权利要求2所述的方法，其特征在于，所述步骤b包括：

利用小面模型描述星点图像，小面模型利用二元三次方程来拟合图像当前像素的局部领域内的灰度：

其中，r和c为局部图像像素的行、列坐标，k_i为拟合系数。

4.如权利要求3所述的方法，其特征在于，所述步骤b还包括：

定义R＝{-2，-1，0，1，2}，C＝{-2，-1，0，1，2}，(r,c)∈R×C，利用二阶导数值来区分星点目标、杂光背景、普通背景的特征，像素f(r,c)在方向矢量γ上的二阶导数表示为：

其中，α表示方向矢量γ和图像行方向的夹角；

k_i＝f(r,c)*w_i

利用二阶导数计算方向0°、45°、90°和135°的二阶导数图。

5.如权利要求4所述的方法，其特征在于，所述的步骤c包括：

对整个图像对应的二阶导数图进行区域划分，每个区域大小为3×3，其中A0、A1、A2为每个区域内二阶导数的均值，不同图像特征的二阶导数的区域值有以下特点：星点目标的A0为负值，A1为正值，A2为正值；普通背景及杂光背景的区域二阶导数均值较为接近，与星点目标的区域二阶导数均值完全不同。

6.如权利要求5所述的方法，其特征在于，所述的步骤d包括：

利用w₄和w₆得到一个新的加权系数Q来实现含有目标的区域内的像素灰度值增强：

Q＝-70(w₄+w₆)

如果某一区域内含有星点目标，即满足步骤c中含有目标的条件，则增强后的像素灰度值为Q与当前像素灰度值的卷积：

if(A₀<0and A₁>0and A₂>0)

当某一区域内没有星点目标时，则对此杂光背景或普通背景的灰度值进行削弱，为当前像素灰度值的一半。

7.如权利要求6所述的方法，其特征在于，所述的步骤e包括：

划分每个子块分辨率为32×32像素，然后计算每个子块内的图像均值v，判断行计数器和列计数器的值，统计每32行、32列的灰度累加和，然后在场的下降沿对灰度累加和进行右移10位，即为每个子块的均值，计算子块内的图像阈值T₁，其计算公式如下：

T₁＝v+aσ

式中，v为星图子块灰度平均值，a尺度因子，σ为星图子块标准差。

8.如权利要求7所述的方法，其特征在于，所述的步骤e还包括：

比较每个像素与阈值之间的大小关系，不小于阈值的像素即为星点目标，小于阈值的像素为背景。