一种恒星背景下的空间目标检测方法

技术领域

本发明涉及空间目标检测技术领域，具体涉及一种恒星背景下的空间目标检测方法。

背景技术

当前，空间目标的数量正呈几何级增长态势，与在轨航天器发生碰撞的几率也在不断增加。数以万计的空间目标对在轨航天器的正常运行构成严重威胁，因此对空间目标进行监视与跟踪是十分必要的，而提取空间目标则是监视与跟踪的关键步骤。因此，目前亟需一种恒星背景下的暗弱空间目标检测方法，可以有效地提取空间目标。

发明内容

有鉴于此，本发明提供了一种恒星背景下的空间目标检测方法，能够分离背景、恒星与目标，以实现目标的有效提取。

为实现上述发明目的，本发明的技术方案为：

一种恒星背景下的空间目标检测方法，步骤包括：

S1、卫星载荷对目标所在空间连续拍摄，获取星图；剔除星图中的背景噪声，并提取各帧星图中的局部灰度极大值点；提取局部灰度极大值点的子图，并建立与子图相同尺度的高斯核函数；分别计算高斯核函数与子图的相似度E

S2、对相邻的两帧星图进行星图配准，剔除疑似目标中的恒星点。

进一步的，还包括S3：对S2得到的疑似目标逐帧进行轨迹关联，添加因与恒星点重合而被剔除的目标。

进一步的，S1中采用能量相似度衡量子图与高斯核函数的相似程度E

其中，E

S1中采用能量集中度衡量子图的能量聚集于中心的程度E

其中，E

S1中采用能量转移度衡量子图的灰度值的相对于子图中心的变化趋势E

其中，E

进一步的，S2的具体方式为：

将星图分为多个区域，在每个区域内选择亮度值最大的疑似目标作为待配准点；采用RANSAC算法计算相邻两帧星图的仿射变换矩阵，经仿射变换矩阵将后一帧星图的待配准点变换到前一帧星图上；标记相邻两帧星图上都出现待配准点的位置为恒星的位置，并将该位置的疑似目标剔除。

进一步的，S1中采用背景直方图众数估计方法剔除星图中的背景噪声，具体方式为：

将星图划分为多个局部区域，在每个局部区域内多次计算像素平均值Mean、中值Med和标准差λ，并将每次超出Med±λ的像素值剔除，直至所有像素值都不超出Med±λ，此时所有像素点组成星图的背景直方图。

根据背景直方图的标准差λ的变化幅度选择像素平均值Mean或直方图众数估计值Mode＝2.5×Med-1.5×Mean作为该局部区域的背景值，当变化幅度大于20％，星图不均匀程度高，背景值为直方图众数估计值Mode，当变化幅度不大于20％，星图不均匀程度低，背景值为像素平均值Mean。

对星图的背景值进行中值滤波，得到背景噪声；将背景噪声从星图中减去。

进一步的，S3的具体方式为：

S31、从第一帧星图开始，根据目标的速度范围估计某一疑似目标x

S32、在第二帧星图上匹配到疑似目标x

S33、以疑似目标在第三帧星图上的预测位置为中心，以预设值k为半径在第三帧星图上划出圆形区域搜索疑似目标；当搜索不到未匹配过或疑似匹配过的疑似目标，返回S31继续执行，直至第二帧星图中所有疑似目标均被匹配过时结束轨迹关联流程。

S34、在后续帧星图中，根据帧间疑似目标的间距更新运动步长，预测下一帧星图中疑似目标的位置；以疑似目标在上一帧星图上的预测位置为中心，以预设值k为半径在下一帧星图上划出圆形区域搜索未匹配过或疑似匹配过的疑似目标；当搜索到疑似目标，则返回S34开头继续执行；当搜索不到疑似目标，且未前两帧都搜索不到疑似目标时，在下一帧星图上补充候选点，并返回S34开头继续执行；当搜索不到疑似目标，且前两帧都搜索不到疑似目标，则结束轨迹关联流程。

进一步的，对S1得到的疑似目标中的拖尾目标进行质心定位，再执行S2，质心定位的具体方式为：以拖尾目标的质心为中心构建其点扩散函数，取点扩散函数的对数以计算各项系数，根据各项系数求解质心坐标。

有益效果：

1、本发明提出一种恒星背景下的空间目标检测方法，对星图进行背景剔除后，提取星图上的局部灰度极大值点，并以目标的子图和高斯核函数进行筛选，经星图配准后从星图中提取目标。在筛选前，本发明将星图中的背景噪声剔除，实现背景与目标的有效分离。本发明设置高斯核函数与子图的相似度E

2、为进一步提高提取精度，防止漏检，本发明还对与恒星分离后的目标进行了轨迹关联，根据运动特性补充因与恒星重合而被剔除的目标。

3、本发明根据星图大视场的特点，将其划分为多个区域分别配准，进一步提高了检测精度和速度。

4、本发明采用背景直方图众数估计方法剔除星图中的背景噪声，通过观察星图的背景直方图的标准差变化幅度计算背景值，适用于背景不均匀程度不同的星图；在计算背景值时，本发明根据星图大视场的特点，将其划分为多个区域分别计算，进一步提高了检测精度和速度。

5、本发明以目标的运动特性为参考，采用运动步长将各帧星图中的同一目标进行轨迹关联，可避免运动速度和方向差异带来的匹配错误，获取准确的运动轨迹，修正目标的运动特性；同时补充了被剔除的疑似目标，这些疑似目标与恒星的位置重合，在星图配准时被误除。

6、因相机的运动和杂散光影响，部分疑似目标会出现拖尾现象，在执行星图配准前，本发明会采用对点扩散函数求导的方式对疑似目标进行质心定位，以提高后续的配准精度，实现恒星的有效剔除。

附图说明

图1为本实施例的方法流程图。

图2为本发明使用的轨迹关联方法的示意图。

具体实施方式

下面结合附图并举实施例，对本发明进行详细描述。

星图是提取目标的基础，主要由目标、恒星和背景噪声组成，可以从卫星载荷(如相机等成像装置)上获取。星图的成像特点是在暗背景下离散分布着近似于高斯分布的点状光斑，这些点状光斑一部分是所需提取的目标，另一部分则是恒星。本发明研究发现，星图受光照、杂光、相机热噪声等因素影响，存在大量且不均匀的背景噪声，且恒星与目标都为暗弱目标，信噪比较低，容易被背景噪声淹没。当背景噪声干扰严重时，暗弱目标的提取会变得很困难，因此若要实现对目标准确有效的提取，不仅需要剔除背景噪声，还需要分离目标和恒星。如图1所示，本发明提供了一种恒星背景下的空间目标检测方法，步骤包括：

步骤1、基于分块的背景直方图众数估计方法剔除背景噪声：

在获取星图后，计算其背景值以剔除背景噪声。因星图具有视场大、噪声分布不均的特点，本发明将其分割为多个局部区域，对每个局部区域进行背景值计算。具体地，本发明在每个局部区域内多次计算像素平均值Mean、中值Med和标准差λ，并将每次超出Med±λ的像素值剔除，直至所有像素值都不超出Med±λ；根据标准差的变化幅度Δλ的差值，选择像素平均值Mean(

步骤2、采用自适应阈值法筛选疑似目标：

为了尽可能多地提取目标，本发明将目标与恒星视为疑似目标，在步骤4中再将二者分离。首先来分析疑似目标的成像特点：星图中存在杂散光产生的噪声，可能会对星等较低的恒星和目标产生影响，导致其信噪比降低甚至直接被噪声淹没，变成暗弱目标；且在获取星图时，天基检测系统中的相机及其检测对象可能处于运动状态，导致恒星和目标的成像在曝光时间内存在一定的图像位移，形成拖尾目标，影响定位精度。以上两种原因使得疑似目标的成像为近似高斯分布的、中心灰度值最大的、能量聚集于中心的亮斑。

根据该成像特点，本发明提出一种自适应阈值法筛选出疑似目标，以减小误判和漏检的概率：

步骤21、提取星图上的局部灰度极大值点。

步骤22、以局部灰度极大值点作为中心，设定尺度提取其子图f(x,y)，并以相同的尺度生成表征该子图的灰度值变化的高斯核函数g(x,y)，其表达式为：

其中，g(x,y)为点(x,y)处的灰度值，(x,y)为子图中任一点的坐标，(x

步骤23、计算局部灰度极大值点的能量相似度、能量集中度和能量转移度，将三者与设定阈值相比，筛选出符合成像特点的局部灰度极大值点，作为疑似目标；三个指标的表达式为：

能量相似度用于表征子图与高斯核函数的相似程度E

其中，E

能量集中度用于表征子图的能量聚集于中心的程度E

其中，E

能量转移度衡量子图的灰度值的相对于局部极大值点(x

其中，E

步骤3、对疑似目标进行质心定位：

为了消除疑似目标中的拖尾目标对定位精度的影响，本发明以拖尾目标当前的质心为中心构建其点扩散函数，取点扩散函数的对数以计算各项系数，根据各项系数修正质心坐标，以提高定位精度。修正后的质心坐标的表达式为：

其中，t

步骤4、采用星图配准方法分离目标与恒星：

由于在相邻两帧星图中，恒星及目标的位置均发生变化，难以通过轨迹将二者分离，因此在轨迹关联前需要通过星图匹配剔除恒星。因星图的视场较大，为了提高配准精度，本发明将星图分为多个区域，(如均分为16×16个方块)，在每个区域内选择星点DN值(亮度值)最大的点作为待配准点，经仿射变换矩阵将后一帧星图的待配准点变换到前一帧星图上，标记连续出现待配准点的位置为恒星的位置，并将该位置的疑似目标剔除。其中，仿射变换矩阵的计算方法为：以前后两帧星图的同一区域内的待配准点作为一个配准点对，通过RANSAC算法(随机抽样一致算法)确定配准点对中每一待配准点的匹配关系，求得相邻两帧星图之间的仿射变换矩阵。

步骤5、对目标进行轨迹关联：

目标的运动方向和运动速度各异，但具有相同的运动特性。在短时间内，目标的运动可以等效为匀速直线运动，在星图中则表现为每次移动相同的像素值。利用该特点，本发明在建立目标运动轨迹的同时，补充了因与恒星重合而被剔除的目标，进一步提高了检测精度。如图2所示。轨迹关联的具体步骤为：

S51、从第一帧星图开始，根据目标的速度范围估计某一疑似目标x

S52、在第二帧星图上匹配到疑似目标x

S53、以疑似目标在第三帧星图上的预测位置为中心，以预设值k为半径在第三帧星图上划出圆形区域搜索疑似目标；当搜索不到未匹配过或疑似匹配过的疑似目标，返回S51继续执行，直至第二帧星图中所有疑似目标均被匹配过时结束轨迹关联流程。本实施例中，预设值k可取3。

S54、在后续帧星图中，根据疑似目标在两帧的间距更新运动步长，预测下一帧星图中疑似目标的位置；以疑似目标在上一帧星图上的预测位置为中心，以预设值k为半径在下一帧星图上划出圆形区域搜索未匹配过或疑似匹配过的疑似目标；当搜索到疑似目标，则返回S54开头继续执行；当搜索不到疑似目标，且未前两帧都搜索不到疑似目标时，在下一帧星图上补充候选点，并返回S54开头继续执行；当搜索不到疑似目标，且前两帧都搜索不到疑似目标，则结束轨迹关联流程。

根据先验的目标运动模型，估计目标在各帧的速度范围，以速度范围在下一帧星图上划分搜索域。如图2所示，在搜索域内寻找与该目标未匹配过的疑似目标(当没有为匹配过的，疑似匹配的也可以)，表征该目标在下一帧的位置；当搜索域内的疑似目标均被匹配过，更换目标并返回S51开头继续执行。

S52、计算目标在两帧之间的距离，作为运动步长预测目标在后一帧的位置；以预测位置为中心，设定半径(例如半径为3倍的运动步长)划分后一帧星图上的搜索域，在搜索域内寻找疑似目标，表征该目标在后一帧的位置；当搜索域内不存在疑似目标，以预测位置表征该目标在后一帧的位置。

S53、重复S52，得到目标在后续帧的位置，组成轨迹；当连续三帧搜索不到疑似目标时，结束该目标的轨迹关联过程。

综上，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。