星图中亮线的自动检测算法

对于星空观测CCD图像,当有高亮度恒星经过视场时,高亮度恒星成像使得CCD的读出电路电压过高,同一行(或列)像素厌度值偏高,图像中会形成过恒星中心的亮线.由于亮线和目标运动轨迹性质相似,对目标检测和识别的干扰较大,必须进行滤除.在对星图成像性质进行分析的基础上,提出了一种星图亮线的自动去除算法.利用恒星成像的频域各向同性性质和Fourier变换的自配准性质对亮线进行检测,并分别在空域和频域对亮线进行滤除.对三组观测星空序列图像(每组60帧)进行实验分析,结果表明均能成功地检测出星图中是否存在亮线.     

三视场定位定向设备的视场确定

为了提高三视场定位定向设备可靠性,建立三视场系统功能的基本约束条件测试模型,以模型为依据对可见光波段的视场进行优化分析。首先,分析了设备正常完成工作时采用组合星图识别和简单星图识别所需的必要条件,并建立这两种识别方式关于视场大小的概率分布模型。从原理和实验数据两个方面说明了三视场结构识别三角形概率分布不能通过单视场的概率分布简单推导获取的原因。,给出用蒙特卡洛法求取此概率分布和视场最优值的方法。然后,通过仿真分析得出了两种识别方法关于视场大小的概率分布,在分析两种识别方法仿真数据的基础上,取识别概率为1时视场大小为其优化值。实验结果表明:以组合星图识别为工作基础的三视场定位定向设备有更好的可靠性,优化的视场大小为4.2253.168 75。它满足三视场定位定向设备识别条件可靠性要求。     

基于数字天顶仪的视场角分析

运用数字天顶仪进行定位是一种高精度的天文测量方法。在定位的过程中需要设定概略位置和进行局部星图识别。局部星图识别是在以概略位置为中心的一定范围内进行的。在进行局部星图识别时一般用数字天顶仪的视场角来确定局部星图识别的范围,实际上这是不准确的。通过对数字天顶仪视场角的分析推导了局部星图识别时的经纬度范围,并通过局部星图识别的范围对概略位置进行了研究。实验数据的分析结果表明,在进行局部星图识别时选取的经纬度范围是要大于视场角的,且随着概略位置的设定值逐渐接近测站点真实值,识别的恒星数量也在逐渐增加。     

基于DSP的漂移扫描CCD星图快速识别

为了提高漂移扫描CCD的识别速度,实现同步 卫星实时定轨,提出基于数字信号处理器(DSP,digital signal processor)的星图快速识 别算法。在嵌入式DSP数据处理 平台上优化传统的三角形识别算法,采用二次匹配识别算法,即分区间筛选子星表中参考星 参与初匹配,利用初匹配结果推算CCD底片模型,根据背景恒星与子星表参考星的对应关 系将所有恒星进行二次匹配。对分辨率为1528×1528实拍星图的实验处理结果表明,由于引 入了DSP与改进了识别算法,在很大程度上加快了漂移扫描CCD星图识别速度,所耗时间 仅为传统星图识别算法的50%,且识别成功率达到98.4%。     

基于星与目标拓扑结构变化差异的星图识别算法

利用星点间拓扑结构相对稳定不变的特性,本文提出了一种基于拓扑结构信息的星图识别算法。在星图预处理的基础上利用广义似然比检测算法提取包括恒星在内的目标,经交叉投影获取目标在视场中的位置,根据目标与星及星与星之间的运动连续性差异选取马氏距离与归一化相关系数作为结构相似性测度来表征星点间的结构信息,通过结构信息的变化来判断是星点还是目标,依据一定的变化准则将目标与星区分开,从而达到星图识别的目的。通过仿真实验分析验证算法的有效性和合理性。     

基于星图模拟的星空目标提取

提出了一种将星图模拟技术应用于星空背景空间目标提取的方法,建立了地基光测设备的星图模拟模型,推导了光轴指向计算和星体到焦平面成像的坐标转换。利用模拟星图生成掩模,对实拍星图处理去除恒星背景。实验证明利用模拟星图能够有效去除恒星背景提取空间目标。     

一种基于点对构造与星等差的近红外星图匹配识别算法

传统的三角形星图识别算法冗余匹配多,对噪声鲁棒性差,为此,为了提升获取恒星质心位置精度,提出了一种基于恒星星等差和点对距离的恒星星图匹配方法,完成了星空图像中恒星的识别与匹配。实验结果表明,获得的恒星质心位置具有较高的精度,在实际拍摄近红外星空图像恒星目标的匹配与识别过程中具有较好的应用前景。     

空间目标运动轨迹提取算法研究

在深入分析恒星跟踪和目标跟踪两种模式下星敏感器成像特点的基础上,针对星图中空间目标运动轨迹提取算法进行了研究,提出了基于序列图像多帧累加背景掩模帧生成的目标提取算法.主要思路为多帧累加增强目标与恒星的对比度;设置阈值以凸显目标或恒星;交叉投影法生成掩模帧,确定星点区域;质心法精确求得目标点位置.仿真结果表明,所提出的算法能够有效检测序列星图中的弱小目标,精确提取目标运动轨迹.     

一种基于星点特征不变原理的快速星图识别方法

星图识别算法是星敏感器输出姿态的关键技术。根据星图从天球坐标系转换到星敏感器坐标系过程中存在特征值不变的原理,结合视场和星等需求建立了导航星表。并根据星图识别要求设计了对应的快速识别算法。针对特征表维数多的特点,采用K向量法提高搜索效率,同时采用并行计算的思想进一步提高搜索速度。采用Matlab编程实现了算法,并进行了仿真。结果表明,算法的识别效率可达97.8%,平均搜索时间可达14.4ms,能够满足准确率高、识别速度快的要求。     

基于星敏感器的星图模拟与去噪技术研究

随着小卫星应用技术的日趋成熟,测量精度高的CCD星敏感器备受青睐,快速而可靠的星图识别算法成为卫星姿态确定系统中最为关键的部分.要进行恒星的识别,就需要从星敏感器获得原始的图像,并从中提取要识别的目标及其特征.由于航天实验费用昂贵,星敏感器的地面调试、软件算法的最初模拟,不可能都进行实时星空拍摄,因此为了调试和评价星图识别算法,有必要利用计算机在地面上模拟生成星敏感器实时拍摄到的星空图片.本文的研究工作主要是星图模拟与星图去噪.首先学习了解CCD星敏感器原理,在此基础上模拟得到原始导航星图,然后模拟得到加了运动噪声的退化星图,最后学习维纳滤波和Matlab算法,利用Matlab算法中的维纳滤波方法对退化图像进行图像去噪复原技术研究,通过星图模拟和图像复原得到的仿真星图可以做成一个星图模拟器为星图识别工作提供仿真基础.     

A novel approach for space debris recognition based on the full information vectors of star points

The recognition and detection of space debris has become one of significant research fields recently. Compared with natural images, effective information are very few contained in star images. In the past years, the gray values of star points and the continuity of sequential star images are utilized by numerous algorithms to carry out the recognition and detection through fusion of consecutive star images, which have been achieved good performance. However, with the rapid increase of star image data, those algorithms seem to be inadequate in recognition ability. In this paper, we propose one novel approach based on the full information vectors of star points to recognize moving targets with the machine learning method which is never utilized in space debris recognition field. Besides gray values, we further deeply excavate the characteristics of each star point in a single frame by the equal probability density curve of Gaussian distribution. The elliptical pattern characteristic vectors of star points can be input into the machine learning method for classification of static stars and moving targets in a single frame. Finally, trajectories of moving targets can be determined within 3 frames by the full information vectors. Therefore, traditional processing methods are abandoned and the proposed brand new approach redefines the recognition technical route of space debris. The experimental results demonstrate that moving targets can be successfully recognized in a single frame and the coverage rate of moving targets can reach 100%. Compared with other traditional methods, the proposed approach has better performance and more robustness.     

基于机器学习的大视场星敏感器畸变在轨标定技术

随着遥感卫星在轨任务复杂性的不断提升,对卫星精度的要求也不断提高。星敏感器是星上精度最高态敏感器,因而其在轨标定是提高精度的有效手段。由于大视场星敏感器的镜头畸变复杂,目前广泛采用的基于星对角距的最小二乘法存在一定局限性。因此提出一种基于机器学习的星敏感器在轨标定算法,该方法结合机器学习预测建模思想,通过构造特征建立镜头畸变模型,并结合主成分分析方法进行冗余特征的消除,最后从星角距和模型泛化能力两方面对标定效果进行评价。仿真结果表明:算法对镜头畸变程度较大的星敏感器有良好的校正效果,标定精度始终能保持在0.8内,与目前几种主流算法相比,具有精度高,鲁棒性好等优点。     

Restoration of blurred star field images by maximally sparseoptimization

The problem of removing blur from, or sharpening, astronomical star field intensity images is discussed. An approach to image restoration that recovers image detail using a constrained optimization theoretic approach is introduced. Ideal star images may be modeled as a few point sources in a uniform background. It is argued that a direct measure of image sparseness is the appropriate optimization criterion for deconvolving the image blurring function. A sparseness criterion based on the l(p) is presented, and candidate algorithms for solving the ensuing nonlinear constrained optimization problem are presented and reviewed. Synthetic and actual star image reconstruction examples are presented to demonstrate the method's superior performance as compared with several image deconvolution methods.     

近红外白天测星时不同方位角的背景辐射修正

基于星敏感器的白天测星可探测到的星数目有限,严重限制了导航需求。利用红外波段可以探测到足够多的用以导航的星体。采用近红外多视场小口径探测器同时对不同天区进行恒星探测。各个探测器接收到的背景辐射不同,探测到的恒星视星等也不同。利用MODTRAN软件对白天不同探测器方位角时的背景辐射进行了分析。根据不同方位角时的辐射曲线,提出了背景修正方法倒影法并以6星等恒星对其进行了验证。     

基于最优背景估计的星敏感器抗杂散光星点提取方法

研究了杂散光干扰下星敏感器星点提取问题。在杂散光干扰下,星点提取的效果会变差,这会使解算的姿态不准确和不可靠。为了抵抗杂散光干扰,提出了一种基于最优背景估计的抗杂散光星点提取方法。首先,分析了杂散光在星敏感器中的成像特点,构建了杂散光的具有闭合解的曲面模型;然后,设计了基于最优曲面的杂散光背景估计方法和星点提取方法;最后,采用仿真的杂散光图像和星敏感器采集的杂散光图像验证了算法的性能。实验结果表明:该方法得到的星点检测率、误检率和质心定位精度均优于现有基于背景和形态学的方法,该方法对杂散光有较好的抑制能力。     

基于最大后验估计的动态星图目标提取方法

深空探测时,由于星敏感器受到多种复合运动影响,使拍摄星图存在严重运动模糊,信噪比低。采用Sureshrink小波方法去噪,能够有效保留星图的边缘信息和灰度信息;根据星图梯度符合拉普拉斯分布的先验信息,提出一种基于最大后验概率估计方法的星图去模糊模型,并对动态模糊星图进行去模糊处理。仿真结果表明,高动态时,经过所提出的去模糊方法处理后的星图不会出现维纳滤波方法中的振铃影响,处理速度和提取质心精度优于Richardson-Lucy滤波,质心精度优于0.1个像素,满足动态星敏感器的处理精度和速度要求。     

Face recognition from synchronised visible and near-infrared images

The improvement in face recognition that can be obtained from the simultaneous availability of normal and near-infrared (NIR) images is quantitatively measured. The authors designed a camera that can perform a simultaneous acquisition of a NIR image and visible images (VI) and therefore built a face database with this camera aiming at comparing the performance of several algorithms on both types of images when illumination variations occur. The authors noticed the stability of the performance of all the tested algorithms on infrared images upon illumination variation, and the improvement in performance that results from the fusion of these two different types of images.     

基于最大能量法的白天红外星目标检测

受多种因素的影响,白天获得的红外星图像的信噪比低,且背景通常不均匀。采用一般的滤波方法无法提取出恒星目标,目前常用的形态学方法对于星图像的处理也不甚理想。首先分析背景特性,采用多帧叠加的方法消弱随机噪声,增大信噪比;然后设定阈值,对叠加后的星图进行背景消除,得到只含有目标及噪声的图像;然后用与恒星大小相近的模板按一定的规则对星图进行滤波,分割出目标。实验证明,该方法能较好地分离出恒星目标。     

Oil Spill Detection in Radarsat and Envisat SAR Images

We present algorithms for automatic detection of oil spills in synthetic aperture radar (SAR) images. The algorithms consist of three main parts, namely: 1) detection of dark spots; 2) feature extraction from the dark spot candidates; and 3) classification of dark spots as oil spills or look-alikes. The algorithms have been trained on a large number of Radarsat and Envisat Advanced Synthetic Aperture Radar (ASAR) images. The performance of the algorithm is compared to manual and semiautomatic approaches in a benchmark study using 59 Radarsat and Envisat images. The algorithms can be considered to be a good alternative to manual inspection when large ocean areas are to be inspected     

基于最小剩余法的FY-3B/IRAS资料云检测研究

由于红外探测器的观测易受云的影响及快速辐射传输模式对云亮温的模拟不精确,在同化风云三号B星(Feng Yun-3B)红外分光计(Infrared Atmospheric Sounder, IRAS)的亮温资料时,首先需要进行云检测,以获得晴空视场点或晴空通道信息。基于最小剩余法(Minimum Residual Method, MRM)对IRAS资料进行了云检测研究,该方法不仅能判识视场点是否有云,还能得到视场点的云参数(有效云量)。同时,采用FY-2E卫星云图对云检测效果进行了验证。结果表明,将该方法用于IRAS资料云检测是可行的。