基于动态框搜索的星图中星点获取算法研究

分析星图中星点获取算法的具体流程,针对传统星体目标聚类方法的不足,提出了动态框搜索算法。首先采用固定像素框搜索区域最大灰度值点,然后以该点为中心,结合星图图像中真实星点的分布情况,采用大小可变的像素框进行星体目标聚类,最后采用加权质心法得到星点的中心位置。仿真实验表明,该算法能达到良好的效果。     

一种基于分形和ICA的海杂波SAR图点目标检测新方法

提出了一种新的用于海杂波合成孔径雷达(SAR,Synthetic Aperture Radar)图点目标检测的方法。传统方法一般是基于亮度差异的阈值分割,或者基于降噪之后的目标提取。然而它们处理强海杂波SAR图时,效果并不理想。将传统方法的本质加以提炼和融合,并将分形Hlder指数和独立成分分析(ICA,Independent Component Analysis)相结合,提出了空间分离法,实现了海杂波SAR图的降噪和点目标检测。首先,求得点态Hlder指数图,并用二值模糊化技术对其处理;接着使用ICA技术得到基图像和独立成分;然后使用空间分离法,对独立成分进行分离,同时对基图进行对应分类,获得非噪声和噪声两个空间。最后在非噪声空间上进行独立成分增强,并复原图像。实验部分,将该算法与传统算法进行对比,从视觉效果和量化指标两方面证实了该算法的有效性和优越性。     

一种高超星图高精度半盲复原算法

针对高超声速飞行器在平流层内应用天文导航时受气动光学效应及运动模糊影响后难以观星和高精度导航的问题，提出一种基于正则化思想的高超星图半盲复原算法。该算法首先针对高超星图的特点进行去噪与星点初提取等预处理操作，接着从图像中提出可用的模糊核信息，并通过融合达到去噪的目的。然后结合天文图像灰度及梯度的稀疏先验分布特性，提出一种针对高超星图的正则化非盲复原模型，利用分裂布雷格曼迭代法等算法迭代估计清晰图像。将本算法与传统星图复原算法、其他最新正则化复原算法进行星图复原与导航效果比较，结果表明本算法复原效果最佳，且能明显改善星点识别正确率及质心坐标计算精度，可用于大幅提高超声速飞行器在平流层中的天文导航适应性及导航精度。     

星敏感器抗杂光背景滤波图像处理方法研究

为提高星敏感器抗杂光干扰性能,提出了一种称为背景滤波的全帧型星图处理算法。根据星点和背景不同特征,对背景估计法进行了改进:设定模板尺寸为7"7像素,用模板边缘像素的均值作为中心点的背景估值;将目标点本身引入背景估计,增加目标点权重以抑制背景的残留;设定一较小的固定阈值以分割星点与虚警点,并采用单双点去噪。给出了适宜FPGA并行处理的算法流程。对不同噪声水平下受杂光干扰的星图的处理结果表明:与分块阈值法和高通滤波法相比,背景滤波算法的抗杂光能力更强,虚警率低,星点提取率高,运算简单,便于FPGA实现,有无杂光干扰时的适应性好。     

基于行数据扫描的星空多目标星点提取方法

为了解决传统方法无法实时获取星空目标位置问题,文章提出了一种基于行数据扫描的星空多目标星点提取方法,通过阈值提取、行目标提取、星空目标识别和质心坐标计算等四个步骤来快速提取星空目标。为了使该算法能够更有效地运行在嵌入式设备中,对算法进行合理配置,将其分割成FPGA端和DSP端。通过试验验证,在输入图像分辨率为1 280像素×1 024像素的情况下,文章提出的算法星点提取时间小于0.17ms。相比较传统方法,能够在不损失星空目标定位精度的前提下,提高提取速率,更适用于星空背景下的多目标快速星点提取。     

基于小面模型的星图中星获取算法研究

利用小面模型对原始星图的局部区域作灰度曲面最佳拟合。在拟合曲面上进行灰度极大值像素点的位置估计，初步得到星图中星的中心位置，从而加速星图中星的获取过程。基于所定义的性能评价指标，对模拟星图进行了星图获取的实验验证。研究表明，该算法具有较强的适应性。     

基于小面模型的星图中星获取算法研究

利用小面模型对原始星图的局部区域作灰度曲面最佳拟合.在拟合曲面上进行灰度极大值像素点的位置估计,初步得到星图中星的中心位置,从而加速星图中星的获取过程.基于所定义的性能评价指标,对模拟星图进行了星图获取的实验验证.研究表明,该算法具有较强的适应性.     

一种复杂环境下的红外成像运动目标检测方法

针对传统运动目标检测方法不能应用在背景和目标都存在运动的应用场合的缺点,文章提出了一种复杂环境下的红外成像运动目标检测方法。该方法首先对相邻两帧运动图像利用三步搜索法和最多邻近点距离相关匹配准则进行背景匹配,然后对匹配后的图像进行帧间差分并对差分图像进行灰度形态学滤波以去除背景噪声点,最后利用阈值分割方法检测到运动目标的位置。利用实际拍摄的红外图像对该算法进行了实验并与传统帧间差分法进行了比较,结果表明利用该方法能很好地解决传统帧间差分法应用中的缺点。     

一种基于蚁群聚类算法的快速星图识别方法

为提高大视场星敏感器的星图识别速度和识别成功率,提出一种基于蚁群聚类算法的 快速星图识别方法,该方法首先利用蚁群聚类算法对星点集合进行快速聚类分析;然后选择 最优类并以其中每个星点为圆心,以一定角距为半径画圆,将圆内所有星点构成集合;再将 每个集合的星点两两求取角距,利用蚁群算法对路径快速寻优的优点,完成集合的路径优化 ;最后利用优化结果同导航星库中已有的优化数据相匹配,以实现星图的快速匹配与识别; 实验结果表明,与现有识别方法相比,该方法具有高的识别率,良好的实时性和鲁棒性,且 所需导航星库的容量小。     

一种基于角点提取的遥感影像地面控制点自适应匹配算法

提出基于特征角点的控制点自适应匹配算法：依据图像数据灰度特征自动确定相应阈值，从基准影像上提取控制点。采用动态模板进行不等距搜索，确定潜在目标控制点；构建三角网，利用等角变换判别目标控制点；构建仿射变换方程来筛选目标控制点。该算法无需设定灰度相关系数最大值阈值即可判别目标控制点。选取ASTER和TM两种成像差异显著的图像数据，对该算法进行试验，结果表明。该算法可以准确提取有价值的特征角点，具有较高的控制点识别精度和运算效率，具有较强的适应性和应用价值，较之传统匹配算法有明显优势。