一种采用区域滤波的模糊星图复原方法与流程

本发明涉及天文导航技术领域，具体涉及一种采用区域滤波的模糊星图复原方法。

背景技术

星敏感器是一种以恒星为测量对象的高精度、高可靠性的姿态敏感测量仪器，目前已经在深空探测以及天文导航等空间任务中得到了广泛的应用。其工作原理为：图像传感器对星空成像，经过星点提取和质心定位得到星点在传感器靶面上的位置和亮度信息，之后利用星图识别为星点找到其在星表中对应匹配的导航星，最后根据识别结果解算出星敏感器相对于惯性坐标系的三轴姿态。星敏感器通常工作在静态条件下，多用于载体稳态飞行的阶段，即假设在曝光时间内，导航星和星敏感器相对静止，星点只在传感器靶面上的固定位置成像。当星敏感器工作于载体初始入轨、机动、大角度调姿等动态场合时，在曝光时间内星点在传感器感光区内移动，最终在传感器靶面上形成一段轨迹图像，导致图像信噪比和星点质心定位的精度降低，严重影响星敏感器的姿态测量精度。因此动态性能作为星敏感器的关键指标之一，已经成为星敏感器研究领域的重点内容。在动态条件下，由于图像的信噪比降低以及星点运动模糊现象的存在，高精度的质心定位已经成为动态星敏感器研究的主要内容之一。目前，许多研究机构都已经提出了提高动态条件下星点质心定位精度的方法，这些方法主要可以分为两类：一类是硬件增强法，通过设计特殊的硬件时序电路对星点的运动模糊进行抑制，一定程度上提高了图像的信噪比。但是该方法增加了硬件时序电路的复杂度，减小了传感器的有效面积。另一类是软件复原法。硬件增强法通过对星敏感器的硬件电路进行改进，减轻或抑制星点运动模糊的程度，从而提高星点质心定位的精度。传统的rl(richardsonlucy)算法对模糊星图具有很好的复原效果，但其是一种无终止条件的迭代方法，往往只能根据经验选择迭代次数，如果选择不当会对最终的复原结果造成很大的影响。另一方面，rl算法对噪声相当敏感，在对模糊星图进行复原的过程中容易放大噪声，严重影响图像的复原效果。

技术实现要素：

本发明为解决星敏感器在动态条件下工作时，在成像的过程中星点会因能量的分散而出现运动模糊的现象，导致图像的信噪比降低并且星点的模糊区域很难被提取，造成星点质心的定位精度降低，严重影响星敏感器的姿态测量精度的问题，提供了一种采用区域滤波的模糊星图复原方法，在有效提高图像信噪比的同时提高星点质心的定位精度。

一种采用区域滤波的模糊星图复原方法，该方法由以下步骤实现：

步骤一、根据星点质心的运动模型，建立模糊星图的退化函数，所述模糊星图的退化函数分别为绕z轴旋转的退化函数hz(x,y)和同时绕x轴和y轴旋转hxy(x,y)；

所述绕z轴旋转的退化函数hz(x,y)用公式表示为：

式中，在时间间隔δt内，星点质心的运动模型为半径c的圆中的一段圆弧lz；

所述同时绕x轴和y轴旋转退化函数hxy(x,y)用公式表示为：

式中，p(x,y)为星点在传感器靶面上的坐标，星点质心的运动模型为斜率为k＝-w^x/w^y的一条长度为lxy的线段lxy；

式中，f为星敏感器的焦距，w^y和w^z分别为星敏感器在y轴和z轴角速度矢量；

步骤二、在高动态条件下，连续采集三帧模糊星图，根据步骤一的星点质心的运动模型获得星点质心的运动轨迹，采用将星点质心运动轨迹窗口向四周各外扩一行或一列像元的方式确定星点的模糊区域；

步骤三、根据步骤二确定星点的模糊区域，对所述模糊区域内的图像采用形态学滤波中的开操作进行滤波，获得滤波后的模糊星图；

步骤四、采用rl算法以及步骤一获得的退化函数hz(x,y)和hxy(x,y)对步骤三中滤波后的模糊星图进行复原，实现区域滤波的模糊星图的复原。

本发明的有益效果：本发明所述的采用模糊星图复原方法，能够有效提高图像信噪比，并且可以提高星点质心的定位精度。本发明步骤三所述的开操作可以消除与结构元素相比尺寸较小的亮细节，而保持图像整体灰度值和大的亮区域基本不变，有利于避免对星点的能量造成损失。本发明步骤四所述的复原方法不仅可以在复原图像满足终止条件时及时停止迭代过程，同时由于使用了连续多帧复原图像，该方法还具有很强的鲁棒性。

附图说明

图1为本发明所述的一种采用区域滤波的模糊星图复原方法中星点的模糊区域确定方法原理图；

图2为本发明所述的一种采用区域滤波的模糊星图复原方法中模糊星图退化/复原模型原理图；

图3为本发明所述的高动态条件下的模拟星图与灰度分布，图3a为模糊星点的局部图像，图3b为对应模糊星点的灰度分布；

图4为本发明所述的模糊星图复原后的图像与灰度分布，图4a为星点复原后的局部图像，图4b为对应复原星点的灰度分布。

具体实施方式

具体实施方式一、结合图1至图4说明本实施方式，一种采用区域滤波的模糊星图复原方法，该方法由如下步骤实现：

步骤一、依据星点质心的运动模型，建立模糊星图的退化函数：1、绕z轴旋转的退化函数hz(x,y)；2、同时绕x轴和y轴旋转hxy(x,y)。假设在t0时刻，星点在传感器靶面上的质心坐标为(x(t0),y(t0))，对应的观测矢量为ws(t0)，在t0+δt时刻(δt＜＜t,t为星敏感器的曝光时间，通常情况下为毫秒级)，星点的质心坐标为(x(t0+δt),y(t0+δt))，对应的观测矢量为ws(t0+δt)，假设在极短的时间间隔δt内，星敏感器的三轴角速度几乎不发生改变，由于时间间隔δt在数值上远小于星敏感器的焦距f，则[x(t0)w^yδt-y(t0)w^xδt]/f＜＜1成立，因此星点质心的运动模型可以近似表示为：

式中，w^x、w^y、w^z星敏感器的x、y、z三轴角速度矢量。在上述公式的基础上，建立星敏感器在两种不同工作条件下星点质心的运动模型和模糊星图的退化函数，所述退化函数分为星敏感器只绕z轴旋转的退化函数hz(x,y)和星敏感器同时绕x轴和y轴旋转的退化函数hxy(x,y)。

(1)星敏感器只绕z轴旋转的退化函数hz(x,y)

式中，当星敏感器只绕z轴旋转时，在极短的时间间隔δt内，星点质心的运动模型为半径为c的圆中的一段圆弧lz。

(2)星敏感器同时绕x轴和y轴旋转的退化函数hxy(x,y)

式中，星点在传感器靶面上的坐标p(x,y)。当星敏感器同时绕x轴和y轴旋转时，星点质心的运动模型为斜率为k＝-w^x/w^y的一条长度为的线段lxy。

步骤二、连续采集三帧高动态状态下的模糊星图，如图3所示，根据星点质心的运动模型得到星点质心的运动轨迹，然后利用星点质心运动轨迹窗口向四周各外扩一行/一列像元确定星点的模糊区域，如图1所示。由于星图中星点所占的像元数相对较少，并且模糊区域外的图像中不包含星点的其它信息，因此为了在有效提高图像信噪比的同时提高算法的处理速度，本发明将模糊区域外图像的灰度值置0，即：

式中，i(x,y)为图像中(x,y)坐标处的灰度值，rk为图像中第k个星点的模糊区域。

步骤三、利用步骤二得到的模糊区域内，采用形态学滤波中的开操作对图像进行滤波。其原理为先利用结构元素b对模糊星图g进行腐蚀，即：

再对腐蚀后的图像进行膨胀，最终得到开操作滤波后的图像g2：

其中，结构元素b选用元素值都为1，大小为3×3的方形模板。

步骤四、采用rl算法对模糊星图进行复原，一般处理流程如图2所示，对一幅输入图像g(x,y)进行处理，产生一幅退化后的图像g(x,y)，给定g(x,y)，退化函数h以及加性噪声项η(x,y)的一些信息后，获得原始图像的一个估计处理结果如图4所示。rl算法是图像复原领域的经典算法之一，其假设图像服从poission分布，采用极大似然法进行估计，是一种基于贝叶斯分析的迭代算法，具有需要的先验知识少，复原效果好等优点，其迭代方程为：

式中，*代表卷积运算，代表相关运算，h(x,y)＝hz(x,y)*hxy(x,y)，r^(k)和r^(k+1)分别为迭代k次和k+1次后得到的复原图像。

利用连续三帧复原图像中星点的质心坐标和模糊星图的参数构建迭代方程的终止条件，即：

式中，(xk-1,yk-1)，(xk,yk)和(xk+1,yk+1)分别为第k-1，k和k+1次迭代后复原图像中星点的质心坐标，δx和δy分别为t0至t0+t时刻星点质心坐标的差值，ε(δx)和ε(δy)分别为关于δx和δy的方程。