星敏感器星图的高精度星点提取方法

星敏感器硬件电路产生的噪声以及在航天器上应用所面临的复杂恶劣的工作环境,都对星图质量造成严重影响,进而降低星点提取精度.针对上述问题,提出了一种精度高且抗干扰性能好的星点提取方法.首先,采用多窗口抽样自适应阈值分割方法对星图去噪,为后续的星点提取奠定基础;然后,基于改进的灰度交叉投影法进行星点粗提取;最后,利用局部区域生长+高斯曲面拟合法进行星点精提取.改进的灰度交叉投影法能够克服星点范围重叠带来的问题,从而快速准确找到星点的粗略区域,而且可以为局部区域生长提供可靠的"种子"点;局部区域生长法可以保证星点区域的边缘细节能够得到充分保留,这对提高星提取的精度大有益处.仿真实验表明,在噪声标准差为2的仿真条件下,该方法的星点提取精度达到了0.075 5 pixel,相比于扫描法等传统方法,该方法的星点提取精度有大幅提高,而且还具有良好的抗干扰性能,因而对于在强噪声干扰条件下提高星敏感器测量精度具有重要参考价值.     

星图模拟方法在星敏感器技术研究中的应用

目前,星敏感器是一种高精度的姿态测量设备,利用计算机开展星图模拟能提供丰富的星图数据。文章讨论了利用光学设计软件,通过扩展编程模拟星敏感器成像,输出模拟星图的原理和方法,给出星图模拟程序设计结果,讨论星图模拟方法在评估光学系统、星像提取算法、星图识别算法性能以及标定系统误差等方面的应用。研究表明,星图模拟为促进星敏感器技术的研究提供了重要支持。     

适用于星敏感器的星体识别研究

介绍了星敏感器的基本工作原理,分析了星图的特点,进行了噪声的预处理.在星体识别过程中对传统算法进行了改进,提出了一种适合星图的二值图象标记算法,对星体进行了有效识别.并用实拍的星图进行了实验仿真,取得了较为满意的结果.     

用字符匹配进行星图识别的导航库存储方法

采用星敏感器测航天器姿态是现行方法中精度最高的,其关键是星图识别．对基于KMP星敏感器星图识别算法进行了改进,对天球中每个区域用1表示该处有星0表示该处非星,得到由0和1组成的原始字符串,用一个整数和额外一位0表示某处连续0的个数,用11来表示一个字符1,把它们存储到导航星库中相应位置．然后采用逻辑运算来进行星图匹配．仿真结果表明本文算法不但继承了原算法的优点,而且减少了导航星库的容量．     

载体运动对星敏感器星点光斑定位的影响分析

为研究载体运动对星敏感器测量精度的影响,首先,根据星点光斑细分定位算法,对星点光斑质心提取的误差来源进行了分析;然后,根据光学成像原理,分别建立了由载体角运动和振动运动造成的星点光斑变形的数学模型,并利用质心法对发生变形的星点光斑造成的定位误差进行了分析;最后,对由载体的角运动和振动造成的星点光斑定位误差进行了仿真验证。仿真结果表明,载体角运动造成的星点光斑定位误差随角速度的增大而增大;载体振动造成的星点光斑定位误差随着振动频率的增大呈现振荡衰减的趋势,与振动振幅成近似线性增长的关系。     

一种快速全天自主星图识别算法

三角形算法是目前实际工程上星敏感器广泛应用的星图识别算法,为了克服三角形识别算法中三角形因特征维数较低带来的冗余匹配问题,对该算法进行了改进。提出一种基于Stellarium软件实时生成模拟星图的方法,建立了星图识别算法仿真计算模型。仿真试验结果表明：利用Stellarium软件能够对星敏感器各种运行场景下的星图进行模拟,模拟要素完整、正确,在测试星图识别算法过程中能够满足星敏感器高精度实时仿真测试要求,为设备的调试、性能评估以及地面试验奠定基础。对全面测试星敏感器的软、硬件性能,及对星敏感器进行精确标定具有重要意义。     

高精度星敏感器结构设计与标定

星敏感器是一种高精度的姿态敏感测量仪器。研究了星敏感器的结构设计和精度标定方法,通过大视场、大相对孔径的轻小型光学系统的设计,减小光学系统的测量误差;介绍了星敏感器的遮光罩和焦平面组件的设计方法,给出了星敏感器的精度标定方法,利用该方法来最大限度地减小系统误差。使用莱卡经纬仪进行标定实验,证明星敏感器精度满足单星精度小于等于3″的设计指标。     

一种新的SINS/星敏感器组合导航姿态匹配算法

对SINS/星敏感器组合导航算法进行了研究。基于量测失准角的概念,提出了一种新的SINS/星敏感器组合导航姿态匹配算法,分析了SINS和星敏感器的输出,详细推导了组合导航系统量测的构造过程。与传统姿态匹配方法相比,该算法计算量小且噪声信号的物理意义更加明确。通过仿真验证,结果表明该算法是有效的,既能使姿态误差得到显著收敛,又能准确估计陀螺常值漂移和星敏感器安装误差。     

陀螺/星敏感器在轨标定算法研究

为确保姿态测量器件长期在轨工作精度,提高三轴稳定卫星的姿态确定精度,针对典型的陀螺/星敏感器联合定姿方案,推导了一种对陀螺和星敏感器进行实时在轨标定的算法.充分考虑卫星姿态测量过程中可能出现的各种误差源,建立陀螺和星敏感器的安装误差和标定因子误差模型,并对可能出现的各种误差进行在轨补偿,与同类算法相比,为卫星姿态确定和校正提供了更加丰富的信息,计算量更小.最后对该算法进行了数学仿真,仿真结果验证了该在轨标定算法的有效性和可靠性.     

先验信息辅助的运动模糊星图星点提取方法

星敏感器处于高动态环境时所拍摄的星图会出现运动模糊现象,这将会严重影响星敏感器的星点提取精度.针对上述问题,提出了一种基于先验信息直接对高动态环境下的运动模糊星图进行星点提取的方法.首先,利用惯性导航系统和星敏感器的姿态先验信息预测当前运动模糊星图上的星点粗略坐标,将其作为“种子”点进行局部区域生长而获得运动模糊星图上的星像范围;然后,基于惯性导航系统的角速度输出估算星像运动轨迹长度并利用质心法计算星点坐标,根据星像运动轨迹长度与质心法提取误差之间的关系建立运动模糊星图星点提取误差修正模型;最后,基于上述模型对星点坐标进行修正,得到精度较高的运动模糊星图星点坐标. 仿真结果表明,相比于先对运动模糊星图进行复原再提取星点坐标的方法,本方法不仅能保证高动态环境下星敏感器的星点提取精度和较好的抗噪性能,同时还能大大减少星敏感器对运动模糊星图的处理时间,这有助于保证星敏感器的数据更新率不受高动态环境太大影响.     

一种新信息熵定义及其在图像分割中的应用

熵阈值法是图像分割中的重要方法,并在图像处理中得到了广泛的应用。针对香农熵阈值法因存在对数计算而导致计算量过大的问题,本文首先提出了一种新的信息熵;其次对其一些性质进行了探讨;最后用于图像分割的阈值选取。实验结果表明,本文的新熵阈值法是可行的,且其计算所需时间量远小于比香农熵阈值法。     

A new parallel algorithm for image matching based on entropy

0　ＩＮＴＲＯＤＵＣＴＩＯＮＣｏｍｐｕｔｅｒｖｉｓｉｏｎｔａｓｋｓｒｅｑｕｉｒｅａｎｅｎｏｒｍｏｕｓａｍｏｕｎｔｏｆｃｏｍｐｕｔａｔｉｏｎ ,ｅｓｐｅｃｉａｌｌｙｗｈｅｎｔｈｅｄａｔａｉｓｉｎｉｍａｇｅｆｏｒｍ ,ｄｅｍａｎｄｉｎｇｈｉｇｈ ｐｅｒｆｏｒｍａｎｃｅｃｏｍｐｕｔｅｒｓｆｏｒｐｒａｃｔｉｃａｌ,ｒｅａｌ ｔｉｍｅａｐｐｌｉｃａｔｉｏｎｓ .Ｐａｒａｌｌｅｌｉｓｍａｐ ｐｅａｒｓｔｏｂｅｔｈｅｏｎｌｙｅｃｏｎｏｍｉｃａｌｗａｙｔｏａｃｈｉｅｖｅｔｈｅｌｅｖ ｅｌｏｆｐｅｒｆｏｒｍａｎｃｅｒｅｑｕｉ…     

基于分形维数的离线图像分割方法

为了能够提高图像分割的精度,提出了一种基于统计学和分形维数的图像分割方法,能够对自然景物中树木、道路和天空进行分割,并且可以应用于机器人导航的视觉系统.该方法首先通过统计大量的道路和树木和天空的分形维数(LFD),分析三者对应的LFD值分布特点,然后利用该特点对图像进行分割,最后对分割后的图像进行平滑处理,得到分割结果.实验结果表明:利用统计结果进行图像分割能够提高分割速率,而且使用分形维数作为特征能够得到比较精确的分割效果.     

基于关联熵系数的图像分割新算法

图像分割是图像分析的基础,阈值法因简单、快速和稳定而成为图像分割的一种重要方法,在图像处理与识别中广泛应用。针对图像分布具有多样性,本文提出基于随机变量之间关联熵联系的图像分割新算法,该算法通过最大化目标和背景两个概率分布之间的关联熵系数并获得图像分割的最佳阈值。实验结果表明,本文提出的关联熵系数阈值分割方法是可行的。     

一种新的图像颜色特征提取方法

为了降低特征空间的维数,将图像的先验知识融合到采用SVM构造的分类器中,提出了一种新的基于HSV空间的20色非均匀颜色量化算法．与传统的颜色量化算法相比,该算法降低了时间和空间复杂度,提高了检索的准确率,易将图像的先验信息融合到SVM的核函数中,提高了分类效果．实验表明本文提出的图像颜色特征提取算法可成功应用于海量图像库检索和图像语义信息的自动提取．     

一种用于星光快速捕获的星图划分算法

为了解决星光导航中捕获星体速度慢的问题,提高星光导航中飞行器姿态确定的实时性,根据星空中星体分布的特点,以及星敏感器捕获星体的原理,采用标准天文星表中的星体数据作为样本数据,提出了一种三星星图划分算法．采用天体几何学理论,分析了星空中星体之间的几何关系,建立了三星星图划分模型．仿真结果表明：与传统的两星星图划分算法比较,该算法对星敏感器精确度要求更低,并具有更高的星图识别率．     

SAR图像的二维灰熵模型快速分割方法

为提高图像分割速度和抵抗噪声的能力,综合利用小波分析、遗传算法、图像熵和灰色理论,提出一种基于二维灰熵模型的快速SAR图像分割方法．该方法首先对待分割图像进行小波变换,将表征图像概貌特征的低频信息重构为概貌图像,表征图像细节和边缘的部分高频信息重构为梯度图像,然后构造两者的概貌-梯度共生矩阵模型,根据最大熵原理设计二维灰色熵模型作为遗传算法的适应度函数．最后,利用遗传算法高效、并行的寻优能力,通过选择、交叉和变异等遗传操作快速逼近最佳阈值．实验表明,该方法不仅在图像分割过程中能够滤除SAR图像中的噪声,而且分割速度明显加快．