[发明专利]一种基于双重梯度阈值的星敏感器星点分割方法

说明书

本发明公开一种基于双重梯度阈值的星敏感器星点分割方法，包括以下步骤：获取灰度分布矩阵；根据灰度分布矩阵得到星图的梯度分量矩阵；对梯度分量矩阵进行处理得到分割星图；将行列两个维度得到的分割星图求并集得到星图。应用本发明的方法，效果是：采用双重梯度阈值分割可有效减少星图中星点误检测的概率；通过微分处理求解星图梯度的方法，可以有效提高复杂背景条件下暗星的探测能力；同时利用分支梯度判定，在较高的暗星探测能力条件下具有去除探测器噪声的能力；采用星点分支补偿的方法，对双重梯度阈值分割得到的星点分支窗口进行梯度判定补偿临近星点像素，提高了星敏感器的星点像素分割的完整性，有助于提高后续星点提取算法的精度。

技术领域

本发明涉及航空航天技术领域，具体涉及一种星敏感器的星点分割方法，特别是涉及一种基于双重梯度阈值的星敏感器星点分割方法。

背景技术

高精度姿态测量，是航天器、飞行器和导弹的导航系统正常工作的重要保障。在当今多种多样的姿态测量部件中，星敏感器是姿态测量精度最高的器件之一。星敏感器以星图中深空恒星为基准，通过探测恒星质心坐标并将其与导航星库数据进行匹配解算，从而为载体提供准确的姿态信息。恒星与地球的位置通常保持相对静止，并且恒星在面阵传感器所占的像素面积小，其对应的张角一般为角秒量级，所以通过高分辨率星图可以实现高精度姿态测量。

由于星敏感器姿态测量只需星图信息，因此利用星敏感器可以独立进行高精度姿态测量，这也使得星敏感器的使用范围越来越广。从初期应用于航天器姿态测量，发展到应用在机载、船载、弹载等多种近地应用领域，高精度以及抗干扰能力成为星敏感器的发展趋势。而随着星敏感器的应用环境由深空向近地不断发展，星图背景愈发复杂，导航系统对星敏感器姿态测量提出了更高的抗干扰能力及更强去噪声能力的要求。

星敏感器在近地面应用时受云层、月光、杂散光及异形星点的影响，星点质心提取难度增大，传统星点分割算法已经无法适应这一需求。因此星敏感器在复杂背景干扰下，很难实现高精准度姿态测量。

目前多种基于区域化、形态学法、极大值窗口等方案被提出用于解决这一问题，其中基于形态学滤波的小目标和弱光目标的实时检测和定位方法在星点提取领域效果显著。北航教授Jiang Jie课题组于2016年在Optical Engineering杂志发表的论文《Robust andaccurate star segmentation algorithm based on morphology》在形态学基础上提出了一种新的星点目标分割算法。该算法利用三种不同结构元素组合来定义一种新的星点分割算法，能够抑制多种不同噪声干扰并分割出星点像素信息，提高星点提取算法准确度。但是该算法在云层(复杂背景)边缘的过滤效果并不显著，尤其在复杂云层背景下会发生星点误检测。

因此，开发一种新的且能解决复杂背景条件下星点像素分割的问题的星点分割方法具有重要意义。

发明内容

本发明提供一种基于双重梯度阈值的星敏感器星点分割方法，目的是解决复杂背景条件下星点像素分割的问题，从而抑制背景噪声，提升复杂背景条件下星敏感器的星点分割算法精度具体技术方案如下：

一种基于双重梯度阈值的星敏感器星点分割方法，包括以下步骤：

步骤一、采用星敏感器拍摄复杂背景星图，得到灰度分布矩阵I；

步骤二、对灰度分布矩阵I进行梯度转换，得到星图的x梯度分量矩阵dx和y梯度分量矩阵dy；

步骤三、对梯度分量矩阵进行处理得到分割星图，具体是：

步骤3.1、根据全局梯度阈值的公式，利用星图的梯度分量矩阵求解全局梯度阈值；

步骤3.2、根据自适应梯度阈值求解公式求解相应像素对应梯度的左自适应梯度窗口及右自适应梯度窗口对应的左边缘梯度阈值及右边缘梯度阈值，将所有像素的左边缘梯度阈值集合得到左边缘梯度阈值矩阵，将所有像素的左边缘梯度阈值集合得到右边缘梯度阈值矩阵；