基于區(qū)域生長(zhǎng)法的星圖中星的提取方法*

柯 衛(wèi)，王宏力，袁 宇，崔祥祥，陸敬輝

(1.第二炮兵工程大學(xué)，陜西 西安710025;2.第二炮兵駐航天十院代表室，北京100854)

0 引 言

從CCD 星敏感器拍攝的恒星圖像中提取星體目標(biāo)是進(jìn)行星圖識(shí)別和姿態(tài)確定的前提和基礎(chǔ)，它不僅影響到星圖識(shí)別的效率，更關(guān)系到姿態(tài)計(jì)算的精度［1］。因此，如何準(zhǔn)確地從星圖中提取星體目標(biāo)十分重要。目前，星提取的主要方法有掃描法和矢量法［2］。掃描法通常采用全局背景閾值或局部背景閾值對(duì)星體目標(biāo)和背景進(jìn)行分離，然后基于連通域［3］分析獲得星體目標(biāo)，計(jì)算較為復(fù)雜，提取精度不高。矢量法可以看作是掃描法的改進(jìn)算法，它通過(guò)引入2 個(gè)整數(shù)矢量，僅需一次CCD 掃描就可以得到所有候選星的位置信息，但整數(shù)矢量存儲(chǔ)的是所在行、列的灰度最大值，當(dāng)某行(列)存在多個(gè)候選星點(diǎn)時(shí)，就會(huì)將目標(biāo)星像誤判為背景。當(dāng)星圖中包含較多噪聲時(shí)，矢量法提取的星數(shù)會(huì)迅速達(dá)到上限，且容易提取到偽星。

本文針對(duì)掃描法和矢量法存在的問(wèn)題，在分析星圖特點(diǎn)的基礎(chǔ)上，將區(qū)域生長(zhǎng)法［4］引入到星提取中，提出了基于區(qū)域生長(zhǎng)法的星圖中星的提取方法。

1 星圖的特點(diǎn)

星敏感器以恒星為觀測(cè)目標(biāo)，拍攝的恒星可視為無(wú)窮遠(yuǎn)處具有一定光譜特性的點(diǎn)光源。由于星敏感器分辨率不可能無(wú)限制提高，工程中常采用散焦技術(shù)使星體目標(biāo)分布在有限個(gè)像素上，通過(guò)細(xì)分定位［5］算法使星體目標(biāo)定位精度達(dá)到亞像素級(jí)。理想情況下，采用散焦技術(shù)后，恒星在星敏感器光敏面上的像為分布在較暗背景上的點(diǎn)狀光斑，其灰度反映了恒星的星等。一般星體目標(biāo)灰度較高，星圖背景灰度較低。星體目標(biāo)灰度值近似呈高斯分布，直徑一般為3 ～5 個(gè)像素，且星體目標(biāo)中心為灰度值最大的星體目標(biāo)點(diǎn)。但星敏感器在工作過(guò)程中，不可避免要受到噪聲等各種干擾因素［6］的影響，主要包括:1)圖像傳感器的噪聲，如光子散粒噪聲、暗電流散粒噪聲、固定模式噪聲;2)電子線路噪聲，如芯片放大器噪聲。這些噪聲會(huì)導(dǎo)致星圖背景的灰度值發(fā)生變化，并且會(huì)導(dǎo)致星圖中形成虛假星體目標(biāo)。

2 傳統(tǒng)的星提取方法

傳統(tǒng)的星提取方法主要有掃描法和矢量法［2］，其中，矢量法可以看作是掃描法的改進(jìn)方法。矢量法的過(guò)程為:

1)設(shè)定Ix和Iy兩個(gè)矢量，其大小分別為kx和ky，其中，Ix，Iy兩個(gè)矢量的大小分別表示CCD 陣列的行數(shù)和列數(shù);

2)掃描CCD 陣列，用Ix中的元素存儲(chǔ)相應(yīng)行灰度值最大星體目標(biāo)點(diǎn)的列數(shù)、Iy中的元素存儲(chǔ)相應(yīng)列灰度值最大星體目標(biāo)點(diǎn)的行數(shù);

3)按灰度值大小對(duì)存儲(chǔ)的星體目標(biāo)點(diǎn)進(jìn)行排序，選取灰度值大于背景閾值的前n 個(gè)星體目標(biāo)點(diǎn)作為可能的星體目標(biāo)中心。

通過(guò)分析知，矢量法存儲(chǔ)的是各行、各列灰度值最大的星體目標(biāo)點(diǎn)，當(dāng)某行(列)存在兩個(gè)或兩個(gè)以上候選星體目標(biāo)點(diǎn)時(shí)會(huì)造成漏提取，當(dāng)星圖中包含噪聲時(shí)，提取的星體目標(biāo)點(diǎn)會(huì)迅速達(dá)到上限，并會(huì)提取到較多虛假星體目標(biāo)點(diǎn)，造成誤提取。

3 基于區(qū)域生長(zhǎng)法的星提取方法

區(qū)域生長(zhǎng)法的基本思想是根據(jù)事先定義的相似性準(zhǔn)則，將圖像中滿足相似性準(zhǔn)則的像素或子區(qū)域聚合成更大區(qū)域的過(guò)程;基本方法是首先在需要分割的區(qū)域中找一個(gè)“種子”像素作為生長(zhǎng)的起點(diǎn)，其次將種子像素周圍鄰域中與種子像素有相同或相似性質(zhì)的像素合并到種子像素所在區(qū)域中，再以合并成的區(qū)域中的所有像素作為新的種子像素，繼續(xù)上面的相似性判別與合并過(guò)程，直到最后沒(méi)有滿足相似性條件的像素可被合并進(jìn)來(lái)為止。

由于星體目標(biāo)直徑一般為3～5 個(gè)像素，本文首先以2×2鄰域單位塊為種子像素，其次根據(jù)星體目標(biāo)具有較強(qiáng)相關(guān)性的特點(diǎn)制定相似性準(zhǔn)則，提取星體目標(biāo)點(diǎn)。由于不設(shè)提取上限，且考慮了星體目標(biāo)的特點(diǎn)，因此，基于區(qū)域生長(zhǎng)法的星提取方法能克服矢量法容易漏提取和誤提取的不足。

基于區(qū)域生長(zhǎng)法的星提取方法的過(guò)程如下:

1)以2×2 鄰域?yàn)閱挝粔K，從左到右，從上到下掃描星圖，記錄各塊內(nèi)星體目標(biāo)的灰度值。

2)求取各塊的灰度平均值，將灰度平均值最大的塊作為種子“塊”。

3)從左到右，從上到下，依次掃描種子像素周圍的像素，用種子像素灰度平均值減去相鄰像素灰度值，若差值小于或等于閾值t1(閾值t1可根據(jù)精度要求設(shè)定)，則跳到第4 步;否則，剔除該像素，返回第3 步。

4)掃描該相鄰像素上、下、左、右的像素(種子像素不用掃描)，分別減去種子像素灰度平均值，若其絕對(duì)值全都小于等于閾值t1，則將該相鄰像素合并到種子像素中，形成新的種子像素;否則，剔除該像素，返回第3 步。

5)重復(fù)第3 步，直到?jīng)]有像素滿足相似性條件為止。當(dāng)整幅星圖都進(jìn)行生長(zhǎng)判斷后，星體目標(biāo)也被定位。

基于區(qū)域生長(zhǎng)法的星提取方法的流程如圖1 所示。

圖1 算法流程圖Fig 1 Flow chart of algorithm

4 仿真結(jié)果與分析

為了驗(yàn)證本文算法的效果，采用Matlab 進(jìn)行仿真，比較矢量法和本文算法的性能。星提取圖像選用計(jì)算機(jī)模擬星圖，模擬條件:視場(chǎng)大小為8°×8°，CCD 像元數(shù)為512×512，星表選用SKY2000 為主星表，選用其中星等低于6.0的恒星，剔除其中的雙星和變星，共4 908 顆。理論上星點(diǎn)目標(biāo)成像近似呈高斯分布，因此，要產(chǎn)生模擬的星體目標(biāo)點(diǎn)，需要按照式(1)所示二維高斯函數(shù)做灰度擴(kuò)散，將星體目標(biāo)點(diǎn)擴(kuò)散到3～5 個(gè)像素上，以模仿散焦的效果［7］

式中 I0為曝光時(shí)間內(nèi)恒星投射到星敏感器光敏面的總能量，(x0，y0)為星像能量中心坐標(biāo)，σ 為高斯彌散半徑，仿真中σ=0.5。實(shí)驗(yàn)中，星敏感器光軸指向赤經(jīng)60°、赤緯40°，視場(chǎng)范圍內(nèi)包含7 顆星。星圖背景加上均值為0、方差為δ2的高斯白噪聲。比較兩種算法的提取結(jié)果(矢量法提取星像數(shù)N 上限設(shè)定為30)，如表1。

表1 本文算法與矢量法的比較Tab 1 Comparison of this algorithm and vector algorithm

從表1 可以看出:隨著噪聲方差的增加，矢量法提取星數(shù)迅速達(dá)到上限30 顆，提取了較多偽星，提取性能迅速下降，而本文算法仍能較好地提取星像，具有較強(qiáng)的抗噪能力。從提取速度來(lái)看，矢量法的速度更快一些;但從提取精度上看，當(dāng)不給星圖加背景噪聲時(shí)，兩算法提取精度相當(dāng)，一旦給星圖加上噪聲，矢量法的提取精度迅速下降，而本文算法仍能保持較高的提取精度。因此，本文算法比矢量法具有更高的精度和更強(qiáng)的抗噪能力，并具有較好的穩(wěn)定性。

5 結(jié)束語(yǔ)

本文在分析星圖特點(diǎn)的基礎(chǔ)上，將區(qū)域生長(zhǎng)法運(yùn)用到星提取中，根據(jù)星體目標(biāo)的特點(diǎn)選定種子星體目標(biāo)、制定相似性準(zhǔn)則、提取星體目標(biāo)，克服了矢量法每行(列)只存儲(chǔ)一個(gè)星體目標(biāo)的缺點(diǎn)。仿真結(jié)果表明:本文算法具有較強(qiáng)的抗干擾能力和較高的提取精度。

［1］ Yang J，Liang B.A novel systematic error compensation algorithm based on least squares support vector regression for star sensor image centroid estimation［J］.Sensors，2011，11(8):7341－7363.

［2］ Mortari D，Romoli A.Star NavIII:A three fields of view star tracker［C］∥Proceeding of IEEE Conference on Aerospace，2002:47－57.

［3］ 魏新國(guó)，張廣軍，江 潔，等.星敏感器中星圖圖像的星體細(xì)分定位研究［J］.北京航空航天大學(xué)學(xué)報(bào)，2003(9):812－815.

［4］ 王 宵，辛云寵.紅外小目標(biāo)的模板提取及檢測(cè)技術(shù)研究［J］.激光與紅外，2013(7):822－825.

［5］ 胡曉東，胡 強(qiáng).一種用于白天星敏感器的星點(diǎn)質(zhì)心提取方法［J］.中國(guó)慣性技術(shù)學(xué)報(bào)，2014(4):481－485.

［6］ 蹤 華，高曉穎，汪 渤.一種三角形星圖識(shí)別算法的改進(jìn)與實(shí)現(xiàn)［C］∥第33 屆中國(guó)控制會(huì)議論文集，西安:中國(guó)自動(dòng)化學(xué)會(huì)控制理論專業(yè)委員會(huì)，2013:5182－5186.

［7］ 王海涌，費(fèi)崢紅，王新龍.基于高斯分布的星像點(diǎn)精確模擬及質(zhì)心計(jì)算［J］.光學(xué)精密工程，2009，17(7):1672－1677.