基于灰度分布直方图的星点快速提取方法

技术领域

本发明涉及基于灰度分布直方图的星点快速提取方法，属于星图识别领域。

背景技术

星敏感器是目前广泛应用于空间探测及天文导航中的一种高精度、高可靠性姿态敏感仪器。

星敏感器通常分为全天球模式和星跟踪模式两大工作模式，星敏感器开机或星跟踪失败后工作于全天球模式，对星图全图进行星点提取、识别并捕获姿态。由于此时没有任何先验信息，因此根据计算得到的姿态建立小波门，若能在小波门内成功提取星点，则转入星跟踪模式，进行局部星点提取和识别。星敏感器在动态环境下工作时，若全图提取质心和识别耗时较久，星点将在像面上移动较大的位置；若移动距离大于波门大小，则无法进入星跟踪模式。而长时间处于全天球模式，无法实现连续的姿态捕获，将影响星敏感器的正常工作，因此全图提取算法的耗时将制约星敏感器的动态性能。

对于复杂工况下的星点提取方法，目前学者们主要考虑在杂光、动态拖尾条件下算法的成功率和鲁棒性。一些学者就杂光干扰下的星图提取算法进行了深入的研究，通过对杂光模型建模、利用掩模进行背景估计、背景滤波等方法在一定程度上提升了星敏感器的抗杂光性能。还有一些学者对高动态工况下星图提取算法进行了研究，研究重点主要为如何通过Richardson-Lucy(RL)算法、超拉普拉斯算法等复原方法实现星点复原提高质心定位精度。然而无论是滤波还是迭代复原算法均存在计算量较大的问题，对算法的耗时和实时性，以及全天球转跟踪的成功率关注较少，均无法兼顾星点提取的准确性和计算快速性，对目前工程实现要求较高。此外，杂光和高动态工况下的星点提取本质上均为低信噪比星图的提取问题，而目前很少有方法能同时适用于两种工况。

发明内容

针对现有星敏感器复杂工况下星点提取效率低，限制动态性能提升的问题，本发明提供一种基于灰度分布直方图的星点快速提取方法。

本发明的一种基于灰度分布直方图的星点快速提取方法，包括，

步骤一：将原始星图按阵列形式分割为多个大小相等的子图；

步骤二：对每一个子图统计灰度均值和灰度分布直方图；并由灰度均值计算获得子图的背景阈值；

步骤三：根据背景阈值和和灰度分布直方图计算子图的背景和前景之间的类间方差，并根据类间方差对每个子图是否包含星点进行标记；

步骤四：对标记为包含星点的子图进行四连通域方向搜索，提取星点像素；对每个标记为包含星点的子图，若在设定区域范围内提取的星点像素个数大于预设阈值，则由提取的星点像素确定一个星点；

步骤五：对每个星点根据提取的星点像素计算星点的质心。

根据本发明的基于灰度分布直方图的星点快速提取方法，步骤二中子图的背景阈值的计算方法包括迭代阈值法、自适应阈值法和局部阈值法。

根据本发明的基于灰度分布直方图的星点快速提取方法，步骤二中子图的背景阈值的计算方法为自适应阈值法：

thre＝E+α·δ，

式中thre为背景阈值，E为灰度均值，α为加权系数，δ为子图灰度值标准差。

根据本发明的基于灰度分布直方图的星点快速提取方法，加权系数α根据原始星图实际噪声取值，取值范围为3～5。

根据本发明的基于灰度分布直方图的星点快速提取方法，灰度分布直方图为跨度0-255或跨度0-127分布的直方图。

根据本发明的基于灰度分布直方图的星点快速提取方法，步骤三中，类间方差的计算方法为：

式中σ

i为子图背景像素的灰度，k为子图背景像素最大分割阈值，p

根据本发明的基于灰度分布直方图的星点快速提取方法，步骤三中对每个子图是否包含星点进行标记的方法为：

式中flag为标签，其中标签值为1代表包含星点，签值为0代表不包含星点，N为由原始星图的背景噪声水平确定的分割方差。

根据本发明的基于灰度分布直方图的星点快速提取方法，步骤四中确定星点的方法包括：

对每个标记为包含星点的子图以预设步长遍历子图搜索生长种子点，对像素大于子图背景阈值的搜索点，确定为生长种子点；

对每个生长种子点，对其四连通域方向进行逐像素的区域生长得到待选像素点；对每个待选像素点确定其所在子图，若待选像素点灰度值大于所在子图的背景阈值，则将待选像素点作为星点像素；对每个生长种子点，若在设定区域范围内确定的星点像素数目大于像素数目阈值，则确定一个星点。

根据本发明的基于灰度分布直方图的星点快速提取方法，步骤五中计算星点质心的方法包括质心法、平方加权质心法、带阈值的质心法和多项式拟合法。

根据本发明的基于灰度分布直方图的星点快速提取方法，采用带阈值的质心法计算星点质心的方法为：

式中x

本发明的有益效果：本发明方法提升了星点提取效率：它通过提取星图的灰度分布直方图特征标记星图中潜在有效信息子图，极大地减少了不必要区域的扫描，可有效降低星图处理时大量无用信息的资源消耗；此外通过多区域阈值搜索方法提取星点，进一步提升了复杂工况星点提取的正确性和鲁棒性。

本发明方法可提升星敏感器全天转跟踪的动态性能：它通过降低星图处理时大量无用信息的资源消耗实现星点的快速提取，从而可在较大角速度工况下成功从全天模式转为星跟踪模式，提升全天转跟踪的动态性能。

附图说明

图1是本发明所述基于灰度分布直方图的星点快速提取方法的流程图；

图2是具体实施例一中的原始星图；

图3是具体实施例一中的子图星点标记情况；

图4是具体实施例一中的星点提取结果图；图中pixel为像素；

图5是具体实施例二中的原始星图。

图6是具体实施例二中的星点提取结果图。

图7是具体实施例三中的原始星图。

图8是具体实施例三中的星点提取结果图。

图9是具体实施例四中的原始星图。

图10是具体实施例四中的星点提取结果图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其它实施例，都属于本发明保护的范围。

需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

下面结合附图和具体实施例对本发明作进一步说明，但不作为本发明的限定。

具体实施方式一、结合图1所示，本发明提供了一种基于灰度分布直方图的星点快速提取方法，包括，

步骤一：将原始星图按阵列形式分割为多个大小相等的子图；

步骤二：对每一个子图统计灰度均值和灰度分布直方图；并由灰度均值计算获得子图的背景阈值；

步骤三：根据背景阈值和和灰度分布直方图计算子图的背景和前景之间的类间方差，并根据类间方差对每个子图是否包含星点进行标记；

步骤四：对标记为包含星点的子图进行四连通域方向搜索，提取星点像素；对每个标记为包含星点的子图，若在设定区域范围内提取的星点像素个数大于预设阈值，则由提取的星点像素确定一个星点；

步骤五：对每个星点根据提取的星点像素计算星点的质心定位。

本实施方式中，首先将整幅原始星图分成若干大小均等的子图，随即统计每块子图的灰度均值作为星点与背景分割的基准，同时并行统计子图的灰度分布直方图。根据计算得到的背景阈值采用最大类间方差法对子图进行状态标记，通过仅对标记为包含星点的子图进行质心提取来提升星点提取速度。

进一步，步骤二中子图的背景阈值的计算方法包括迭代阈值法、自适应阈值法和局部阈值法。

步骤二中子图的背景阈值的计算方法为自适应阈值法：

thre＝E+α·δ，

式中thre为背景阈值，E为灰度均值，α为加权系数，δ为子图灰度值标准差。

加权系数α根据原始星图实际噪声取值，取值范围为3～5。

作为示例，灰度分布直方图为跨度0-255或跨度0-127分布的直方图。也可以根据情况选择其他相应的改进分布直方图。直方图的最大跨度可由2

统计灰度分布直方图的目的在于统计不同灰度范围对应的像素数目。

再进一步，步骤三中，类间方差的计算方法为：

式中σ

i为子图背景像素的灰度，k为子图背景像素最大分割阈值，p

再进一步，步骤三中对每个子图是否包含星点进行标记的方法为：

式中flag为标签，其中标签值为1代表包含星点，签值为0代表不包含星点，N为由原始星图的背景噪声水平确定的分割方差。

再进一步，步骤四中确定星点的方法包括：

对每个标记为包含星点的子图以预设步长遍历子图搜索生长种子点，对像素大于子图背景阈值的搜索点，确定为生长种子点；

对每个生长种子点，对其四连通域方向进行逐像素的区域生长得到待选像素点；对每个待选像素点确定其所在子图，若待选像素点灰度值大于所在子图的背景阈值，则将待选像素点作为星点像素；对每个生长种子点，若在设定区域范围内确定的星点像素数目大于像素数目阈值，则确定一个星点。否则认为星点提取失败，重新扫描寻找生长种子点，直到子图遍历结束。

作为示例，步骤五中计算星点质心的方法包括质心法、平方加权质心法、带阈值的质心法和多项式拟合法。

本实施方式中，为进一步降低算法耗时，在星点标记子图内以带步长的区域生长方法搜索种子点，并根据对应的子图背景阈值进行像素生长，最后采用质心法计算质心位置。

本发明方法在保证星点提取准确率的同时，提高了星点提取效率，进而可提升产品全天转跟踪的动态性能。经验证本发明在各个工况下的鲁棒性和高效性，具有较高的工程应用价值。

采用带阈值的质心法计算星点质心的方法为：

式中x

下面通过具体实施例对本发明方法进行详细说明：

具体实施例一：

结合图1所示，针对图2所示的原始星图进行处理：

S1、原始星图分割，将原始星图分割成若干大小相等的子图；具体地，共划分为20×16个子图，共计320块子图；

S2、对S1中每一子图，统计灰度均值计算其背景阈值，同时对子图统计其灰度分布直方图；

S3、根据S2中计算得到的背景阈值及灰度分布直方图，计算子图背景和前景之间的类间方差；

S4、根据S3中计算得到的类间方差，标记子图是否包含星点；

S5、对S4中标记为包含星点的子图进行星点像素提取，确定星点；

S6、对S5中确定的星点进行质心细分定位。

进一步，对S2中的背景阈值采用自适应阈值法进行计算；

S4中，对于图2的标记结果如图3所示，其中白色块表示该子图内不包含星点，黑色块表示该子图包含星点，共计86块。

S5中，选择预设步长＝4遍历子图搜索生长种子点；像素数目阈值可选择为4，即若在设定区域范围内确定的星点像素数目大于4，则确定一个星点；在设定区域范围内，若四个方向的像素都没有大于背景阈值，则停止生长。设定区域范围可以是设定一个最大像素数形成的方形区域，例如最大像素数可以设为50。若在没有完成设定区域遍历的情况下确定的星点像素数目已经大于4，则会提前结束生长。

图4为图2星点提取结果，共提取星点17颗。

具体实施例二：

采用本发明方法提取星点，采用的原始星图为受到杂光干扰影响的星图，如图5所示，其星点提取结果如图6所示。

具体实施例三：

采用本发明方法提取星点，所采用的原始星图为在角速度1°/s时拍摄的星图，如图7所示，星点提取结果如图8所示。

具体实施例四：

采用本发明方法提取星点，所采用的原始星图为在角速度2°/s时拍摄的星图，如图9所示，星点提取结果如图10所示。

对上述四个具体实施例中星点提取方法的耗时、提取准确率及外场动态测试结果汇总如表1所示。

表1星点提取耗时及准确率汇总

在上述四个具体实施例中分割子图总数均为320块。与未采用本发明方法进行星点提取的方法进行比较，未采用本发明方法的平均耗时在2s左右，外场实测全天转跟踪的动态性能为0.8°/s。从表1中可以看到，本发明方法基于局部星图直方图特性的快速星点提取方法标记的子块仅为总数的1/4～1/3，大大减少了无星点子图的遍历；又由于采用了带步长的生长种子点搜索算法，进一步减少了不必要像素点的扫描。因此本发明方法可提高提取效率至少60％以上，极大地提升了提取的整体效率。从星点提取准确率来看，本发明方法并不会减少星点的提取率，它具有很好的鲁棒性。其动态性能提升至2°/s，相对于现有方法提升2.5倍。

综上所述，本发明方法首先将图像分割成若干子图，通过结合子图的背景阈值及其灰度直方图分布特性来标记该子图是否含有星点，仅对含有星点的子图提取质心来降低全图质心提取的耗时。它采用带步长的局部阈值区域生长算法进一步降低耗时并保证提取准确率。本发明的星点提取方法，适用于正常工况、杂光工况和动态工况下，在确保星点提取率的同时能提升算法效率，及全天转跟踪的动态性能。

虽然在本文中参照了特定的实施方式来描述本发明，但是应该理解的是，这些实施例仅仅是本发明的原理和应用的示例。因此应该理解的是，可以对示例性的实施例进行许多修改，并且可以设计出其他的布置，只要不偏离所附权利要求所限定的本发明的精神和范围。应该理解的是，可以通过不同于原始权利要求所描述的方式来结合不同的从属权利要求和本文中所述的特征。还可以理解的是，结合单独实施例所描述的特征可以使用在其它所述实施例中。