一种基于能量分布的星点提取方法

摘要

本发明属于星点提取的技术领域，具体涉及一种基于能量分布的星点提取方法。本发明包括：依次扫描图像，将图像的灰度值与阈值S进行对比；若某一像元的灰度值大于S，则搜索其周围3×3像元区域；判断该3×3像元区域内是否有p个像元的灰度值大于T；若步骤三判断成功则用质心法在该像元周围5×5区域内提取星点质心，否则继续扫描。本发明能够提高质心提取的精度；本发明能将星图分割的两个阶段和质心提取算法同时进行，提高星图处理实时性。

说明书

技术领域

本发明属于星点提取的技术领域，具体涉及一种基于能量分布的星点提取方法。 

背景技术

星敏感器能够提供高精度的姿态测量信息，是大多数太空飞行器不可缺少的设备。星敏感器有两种工作模式：初始姿态捕获模式和跟踪模式。一般情况下星敏感器工作在跟踪模式，只有初始时刻或者跟踪失败时才转入初始姿态捕获模式。跟踪模式的工作过程又可分为：星点提取、星图匹配和姿态计算。其中星点提取中星图预处理关系到质心提取的精度，而质心提取的精度会严重影响到姿态测量的精度，因此星图的预处理也是必不可少的。 

星图的预处理一般可分为两个阶段：将星点目标和背景分离开；将单个星点目标与其他星点目标分离开。对于第一阶段可以采用全局阈值或者局部阈值的方法进行阈值分割，第二阶段星点目标的区分才是星图预处理的难点。传统的方法有多阈值聚类方法、连通域标记法和区域增长法等。其中多阈值聚类方法是对灰度大于全局背景阈值的像素点进行聚类识别，这一方法涉及到排序运算，比较复杂，而星图预处理的特点是数据量大，因此对算法的复杂性有较高的要求。连通域标记法存在标记冲突问题，且需要回溯扫描，因此运算时间也比较长。区域增长算法解决了连通域法标记冲突问题，将其与带阈值的质心算法结合可以不必对像元进行标记，直接提取质心，但为了寻找起始种子仍然需要遍历星图。 

发明内容

本发明的目的是为了提高星点质心提取的精度和实时性，提出了一种基于能量分布的星点提取方法。 

本发明的目的是这样实现的： 

步骤一：依次扫描图像，将图像的灰度值与阈值S进行对比； 

恒星为点光源，焦平面上星点成像为光学系统的点扩散函数PSF，采用离焦的方式让其扩散到多个像元上，若有阈值S，搜索星图中灰度大于S的像元，把阈值S作为确定星点中心区域的第一个约束； 

步骤二：若某一像元的灰度值大于S，则搜索其周围3×3像元区域； 

步骤三：判断该3×3像元区域内是否有p个像元的灰度值大于T； 

步骤四：若步骤三判断成功则用质心法在该像元周围5×5区域内提取星点质心，否则继续扫描。 

本发明的有益效果在于：本发明能够提高质心提取的精度；本发明能将星图分割的两个阶段和质心提取算法同时进行，提高星图处理实时性。 

附图说明

图1是星点灰度分布图示； 

图2是星点能量分布图示； 

图3是S的取值与细分定位偏差的曲线； 

图4是p值与质心提取成功率的关系曲线； 

图5是灰度噪声对质心提取精度的影响； 

图6是星等对质心提取精度的影响； 

图7是新方法与连通域法质心提取时间对比。 

具体实施方式

下面将结合附图和实施实例对本发明作进一步的详细说明。 

一种基于能量分布的星点提取方法，包括以下几个步骤： 

步骤一：依次扫描图像，将图像的灰度值与阈值S进行对比； 

步骤二：若某一像元的灰度值大于S，则搜索其周围3×3像元区域； 

步骤三：判断该像元周围3×3像元区域内是否有p个像元的灰度值大于T； 

步骤四：若步骤三判断成功则用质心法在该像元周围5×5区域内提取星点质心，否则继续扫描； 

本发明是一种基于能量分布的星点提取方法，包括以下几个步骤： 

步骤一：依次扫描图像，将图像的灰度值与阈值S进行对比； 

恒星为点光源，焦平面上星点成像为光学系统的点扩散函数PSF(Point Spread Function)，若不采取任何措施，则质心定位的精度最多达到0.38像素，因此为了获得更高的质心提取精度，一般采用离焦的方式让其扩散到多个像元上。图1是星点的灰度分布图示，如图所示在考虑噪声的情况下，星点中心像元灰度明显大于其他位置，且其周围像元的灰度值要大于平均灰度值。若有阈值S，其大小如图中横线所示，搜索星图中灰度大于S的像元，则搜索到的像元在中心像元附近，因此我们把阈值S作为确定星点中心区域的第一个约束。 

步骤二：若某一像元的灰度值大于S，则搜索其周围3×3像元区域； 

星点的能量分布在焦平面上可近似为由点扩散函数PSFs(Point Spread Functions)表示的二维高斯分布： 

$I(x,y)=\frac{I_0}{2\pi {\sigma }^2}\exp (-\frac{{(x-x_0)}^2+{(y-y_0)}^2}{2{\sigma }^2})---\left(1\right)$

其中，I(x,y)为(x,y)像元的能量；I₀为星点在焦平面上的总能量；(x₀,y₀)为星点的能量中心；σ为星点的扩散半径，它的大小决定了星点在焦平面上扩散的像元数目。当σ＜0.671 时，超过星点总能量95%的能量集中在星点中心3×3像元内。 

若取σ＝0.6，当以像元为单位时，如图2所示星点能量中心在a像元。则由式(1)可得其能量强度为: 

$I(x_0,y_0)=\frac{I_0}{2\pi \times {0.6}^2}\approx 0.442I_0---\left(2\right)$

而b，c，d，e像元的能量大小相同为： 

$I(x,y)=\frac{I_0}{2\pi \times {0.6}^2}\exp (-\frac{1}{2\times {0.6}^2})\approx 0.11I_0---\left(3\right)$

f，g，h，i像元的能量大小相同为： 

$I(x,y)=\frac{I_0}{2\pi \times {0.6}^2}\exp (-\frac{1}{{0.6}^2})\approx 0.0275I_0---\left(4\right)$

同样地，j、k、l、m像元的能力也大小相同为： 

$I(x,y)=\frac{I_0}{2\pi \times {0.6}^2}\exp (-\frac{2}{{0.6}^2})\approx 0.0017I_0---\left(5\right)$

由式(2)、(3)、(4)我们可以发现，星点中心像元的能量远大于其周围像元。且绝大部分星点能量集中在中心像元3×3区域内，将a-i像元的能量相加得到结果为0.992I₀，超过总能量的99%，中心像元3×3区域以外星点能量最大的是(5)式所示的j、k、l、m像元，它们所占的能力只有0.17%；上述现象在星图上就表现为星点中心3×3区域内的亮度明显比其周围像元高，同时其周围最亮的区域是b，c，d，e四个像元，其次是f，g，h，i像元。因此当恒星亮度较高时，这九个像元的亮度要大于焦平面平均亮度。换算成灰度来说，可以将星点灰度分布概括为如下三个特点： 

⑴σ＜0.671时，星点的能量主要集中在其中心3×3像元的区域内。 

⑵星点中心灰度最大。 

⑶星点中心周围8个像元的灰度值大于平均灰度值。 

依据上述星点灰度分布的三个特点，若能得到星点的能量中心，那么只需要利用其周围3×3像元区域进行质心提取即可，其他区域由于能量很少，对结果的影响很小，因此我们使用了步骤二中的S阈值约束，即扫描图像时若某一像元灰度值大于S，则该像元可初步判断定为在中心像元周围。 

步骤三：判断该3×3像元区域内是否有p个像元的灰度值大于T； 

在实际应用中，星敏感器会受到各种噪声的干扰，从而生成一些只占有几个像素的光点，实际上这些光点并不是恒星对应的成像，因此在星图提取阶段应该排除这些光点，然而仅仅使用阈值S约束判定时，这些光点就会被初步判断为中心像元周围的点，因此单个阈值S约束是不能确定中心像元区域的。从星点分布的第三个特点我们得到：星点中心周围8个像元 的灰度值大于平均灰度值，因此我们可以另外添加两个约束：T阈值约束和p约束；T阈值约束用于将中心区域像元与背景区域像元区分；p约束是指当利用S阈值约束确定了某像元区域后，搜索该像元周围的3×3区域，若该区域内灰度大于T的像元超过p个，则可将此区域定位中心像元区域。很显然，p的最大值为9，当p取值较大时就能够排除掉上文所述的无用光点。三个阈值配合搜索就能够将中心像元区域查找出来。 

步骤四：若步骤三判断成功则用质心法在该像元周围5×5区域内提取星点质心，否则继续扫描； 

实际应用中，有些亮度较高的星在星敏感器焦平面成像后会出现溢出现象，即由于星的亮度较高，其成像位置周围像元的灰度会达到饱和，在这种情况下中心像元3×3区域以外的星点灰度值也较高，若只使用3×3区域进行质心提取会产生一定的误差，因此在计算星点质心的步骤中，当某像元使用S约束、p约束和T约束判断成功后，我们使用该像元周围5×5区域进行质心提取。 

从上述步骤中可以看出，该算法使用三个约束来确定星点的中心像元区域，其中阈值约束T实际就是背景阈值，它的选取在很多的文献中都介绍，一般地，取背景均值和噪声偏差的5倍之和作为全局背景阈值。本算法的主要核心是阈值约束S和p约束的选取。当噪声较大或者星的亮度较低时，若二者选取不当可能会导致质心提取精度大幅度降低甚至质心提取失败，因此通过仿真实验来选取阈值S和p的最优值。 

质心定位偏差表示如下： 

$\mathrm{ep}=\frac{1}{n}\underset{i=1}{\overset{n}{\Sigma }}\sqrt{{(x_i-x_0)}^2+{(y_i-y_0)}^2}---\left(6\right)$

其中，n为测量次数，(x_i,y_i)为测量得到的中心坐标，(x₀,y₀)为星点中心实际坐标。 

仿真初始条件：图像大小20×20(像素)，图像中只有一个星点目标，星点中心位置(10,10)。点扩散函数σ＝0.6，仿真次数1000次。星图背景灰度值取为20，当p＝4，灰度噪声为5，星等为4时，令S＝T+dT。dT的取值在5～50之间变化时，细分定位偏差的变化曲线如图3所示。 

由图3看出，当S的取值增大时，细分定位精度提高。但实际应用中，S的取值大小与提取到的恒星星点数目直接相关。S过大则提取到的恒星数目就会减小，因此考虑提取恒星数目和质心提取精度的前提下，选择S=T+30，使用这个标准，当噪声灰度为5、10、15和p在0～9之间变化时质心提取成功率如图4所示(当ep>0.38则为失败，仿真次数1000)。 

由图4可得，p值较小的时候不能保证成功率100%，因为噪声或者阈值S的选取，使p 值较小时，该约束条件产生的约束不够强，不能保证计算的星点中心像元和实际星点中心相符。而当p值过大时，则可能找不到满足条件星点中心，这是单星点模拟的情况，在实际中就表现为所提取的星点数目大大减小。从图中还可以得到，随着噪声的增加，质心提取成功率降低。而噪声主要产生于图像传感器光电转换过程以及采集、传输电信号过程，总体来说，噪声强度比较低。因此根据图3，选取p=5或p=6时能够保证最高的成功率。取p=5，S=T+30，其它仿真条件不变，当灰度噪声在0～10之间变化时，新方法与连通域法的对比如图5所示。 

由图5可以看出，随着噪声的增加两种方法的质心提取精度都有所下降。总体来说新方法的精度要略高于连通域法。图6为灰度噪声为5，星等在1～6变化时两种方法的质心提取精度曲线。由图6可得，连通域法随着星等的升高质心提取精度降低。而新方法在星等小于5时却不符合这种现象，这是因为随着星等的增加，星的亮度会降低，星点中心的灰度与其周围像元相比优势不明显。在这种情况下，S约束起的作用会变小，然而因为还有P约束的存在，所以新方法的质心提取精度并没有随着星等的增大而降低。但当星等太大时S约束的作用急剧减小，单凭p约束难以精确确定星点的中心像元，因此会致质心提取精度的快速下降。从这点看出，新方法比较适用于星等较低，星的亮度较高的情况。图7为新方法和连通域法执行一次所用时间对比。仿真所用电脑为清华同方，参数：Pentium(R)，3.00GHz，1.00GB内存。仿真参数设置除p=5，S=T+30外其它都与仿真初始条件相同，能够看出新方法的实时性明显要优于连通域法。