[发明专利]一种星载图像辅助导航方法

权利要求书

1.一种星载图像辅助导航方法，其特征在于：所述星载图像辅助导航方法包括以下步骤：

步骤一、对在轨图像进行图像压缩，在压缩过程中计算图像梯度值；

步骤二、加载模板图像，根据压缩过程中获取的不同尺度下的图像梯度值的黑塞矩阵，进行多尺度的黑塞矩阵特征值求取以及多尺度金字塔运算，并通过最大值准则得到特征点；

步骤三、根据在轨图像的特征点和模板图像的特征点，采用随机抽样一致性算法进行特征点匹配，得到两个图像之间的仿射变换矩阵；然后建立相机运动模型，将图像偏移量转换为姿态角变化量；

步骤一的具体过程如下：

在FPGA在轨图像处理平台中，在图像经过电子学处理送入平台进行压缩时，进行5/3提升式小波变换，同时在小波变换时实施图像梯度值的求取；利用中心点邻域的值进行图像梯度值的求取：

其中y(n)为压缩后的下一级图像像素值，x(n)指当前级图像像素值，D_x是图像横向的梯度值，D_y是图像纵向的梯度值；D_xy是图像在45度方向上的梯度值，y₁是中间变量，n指图像像素的索引值；在第一级图像压缩之后，获得的梯度值与图像高频分量一同输入到公共存储区中进行保存。

2.根据权利要求1所述的一种星载图像辅助导航方法，其特征在于：步骤二中对压缩图像进行多尺度特征点提取的具体步骤为：

针对获取的图像梯度值，根据特征值原理，通过对梯度特征值的求取进行特征点判决；计算在轨图像上的像素点I在压缩图像第m层的黑塞矩阵为：

其中，D_x(I,m)是在轨图像上的像素点I在压缩图像第m层横向的梯度值，D_y(I,m)是在轨图像上的像素点I在压缩图像第m层纵向的梯度值，D_xy(I,m)是在轨图像上的像素点I在压缩图像第m层在45度方向上的梯度值；

利用黑塞矩阵H的行列式进行特征值的判别：

det(H)＝D_xD_y-wD_xy² (7)

其中w为近似系数，公式(7)取最大值时对应的像素点是像素点阵附近的特征点，采用如下判决式进行特征点筛选：

S＝max(det(H,m),Threshold)+max(det(H,m-1),det(H,m),det(H,m+1)) (8)

Threshold指的是预设极值，S指的是阈值；阈值为自适应的，将特征点数目作为调整目标值，当提取的特征点少于预设的特征点数目S^*时，通过调整阈值S以增加特征点，直到总的特征点数目符合要求；公式表述如下：

Threshold＝argmin(S＞＝S^*,Threshold) (9)。

3.根据权利要求2所述的一种星载图像辅助导航方法，其特征在于：步骤三中采用随机抽样一致性算法进行特征点匹配的具体步骤为：

根据在轨图像和模板图像之间存在的仿射变换，即针对模板图像中的任一像素点I′＝(a′,b′)和对于在轨图像中的像素点I＝(a,b)，存在如下对应关系：

其中(a′,b′)为I′的平面坐标，(a,b)为I的平面坐标，A代表旋转矩阵，B代表平移矩阵，用如下参数表示：

式中θ表示旋转角度，b₁、b₂表示平移的像素大小；

然后用随机抽样一致性算法解出仿射变换矩阵。