基于迭代搜索的火星图像误边缘剔除及轮廓精确拟合方法与流程

本发明属于火星探测光学自主导航技术领域，涉及基于迭代搜索的火星图像误边缘剔除及轮廓精确拟合方法。

背景技术：

我国将于2020年发射火星探测器，一次实现“绕”、“落”、“巡”的常规三步走流程。随着探测器飞往火星，器地距离增加，相比于近地卫星，直接带来的影响就是通信延迟增大，星地难以实现实时的星地大回路控制。因此在火星捕获制动阶段，引入光学自主导航系统作为导航备份，以保证制动捕获的成功实施。

传统的误边缘剔除方法主要包括hough圆拟合后剔除，随机采样一致性算法(ransac)，这两种方法的共性问题在于：在保证高准确性剔除误边缘的同时，计算量较大，尤其是针对大面阵导航相机。

技术实现要素：

本发明解决的技术问题是：克服现有技术的不足，提出基于迭代搜索的火星图像误边缘剔除及轮廓精确拟合方法，以提高误边缘剔除准确率、节省星上计算资源为目标，综合考虑算法实现过程中的计算资源消耗，为火星探测光学自主导航系统提供一种高效的图像误边缘剔除及轮廓精确拟合方法。

本发明解决技术的方案是：

基于迭代搜索的火星图像误边缘剔除及轮廓精确拟合方法，包括如下步骤：

步骤一、通过光学导航敏感器拍摄火星，获得带有误检测边缘的火星图像；

步骤二、对带有误检测边缘的火星图像进行迭代剔除处理；获得剔除误检测边缘的火星图像；

步骤三、对剔除误检测边缘的火星图像进行亚像素定位处理；获得精确边缘图像；

步骤四、采用最小二乘法对精确边缘图像的全部边缘点进行拟合，获得轮廓精确火星图像。

在上述的基于迭代搜索的火星图像误边缘剔除及轮廓精确拟合方法，所述步骤一中，所述带有误检测边缘火星图像的外边缘包括n个边缘数据点；n个边缘数据点中包括真实数据点和误检测边缘数据点；n为正整数，且n不小于100。

在上述的基于迭代搜索的火星图像误边缘剔除及轮廓精确拟合方法，所述步骤二中，迭代剔除处理的具体方法为：

s1、从n个边缘数据点中随机选取m个数据点；

s2、采用最小二乘法，将m个数据点拟合成圆形；

s3、分别计算n个边缘数据点沿径向到拟合圆形边界的距离；将n个边缘数据点的距离从大至小排列；

s4、剔除距离最大的前5％个边缘数据点；找到剩余的0.95n个边缘数据点中距离最大的边缘数据点；对该数据点的距离进行判断，当该数据点的距离小于设定阈值a时，则停止迭代，获得剔除误检测边缘的火星图像；当该数据点的距离大于等于设定阈值a时，重复步骤s1至s4，直至满足剩余的边缘数据点中距离最大的边缘数据点，距离小于设定阈值a。

在上述的基于迭代搜索的火星图像误边缘剔除及轮廓精确拟合方法，所述s1中，m为正整数，且0.1n≤m≤0.5n。

在上述的基于迭代搜索的火星图像误边缘剔除及轮廓精确拟合方法，所述s4中，所述阈值a为0.8像素。

在上述的基于迭代搜索的火星图像误边缘剔除及轮廓精确拟合方法，所述步骤三中，亚像素定位处理的具体方法为：

s1、对其中1个边缘数据点分别建立3x3的像素矩阵；边缘数据点位于3x3像素矩阵的中心位置；其它8个像素点的像素环绕在边缘数据点的外侧；

s2、计算9个像素点的像素加权平均值，即为该边缘数据点的坐标；

s3、重复s1-s2，直至确定剔除误检测边缘的火星图像的全部边缘数据点的坐标；获得精确边缘图像。

在上述的基于迭代搜索的火星图像误边缘剔除及轮廓精确拟合方法，所述步骤三的s2中，计算像素加权平均值时，权重值为1。

本发明与现有技术相比的有益效果是：

(1)本发明提供的精确拟合方法，相比于传统技术，每次计算的计算量很小，易于实现；

(2)本发明在不断迭代搜索的过程中剔除误边缘数据，每次迭代，都提高了边缘数据中的真实边缘点比例，从而提高了误边缘剔除效率。

附图说明

图1为本发明火星轮廓精确拟合流程图；

图2为本发明亚像素定位处理示意图。

具体实施方式

下面结合实施例对本发明作进一步阐述。

本发明提供一种基于迭代搜索的火星图像误边缘剔除及轮廓精确拟合方法，根据光学导航敏感器拍摄到带有误检测边缘的图像边缘信息的火星图像，首先基于随机采样的原理，不断迭代搜索，每次迭代过程中剔除一部分误边缘数据，满足迭代停止条件后，得到剔除误边缘后的火星图像边缘信息；s2、利用s1中得到的火星图像边缘信息，经亚像元细分后，采用最小二乘算法进行圆拟合，为火星探测器光学自主导航系统提供导航量测信息。本发明以提高误边缘剔除准确率、节省星上计算资源为目标，综合考虑算法实现过程中的计算资源消耗，为火星探测光学自主导航系统提供一种高效的图像误边缘剔除及轮廓精确拟合方法。

如图1所示，火星图像误边缘剔除及轮廓精确拟合方法，包括如下步骤：

步骤一、通过光学导航敏感器拍摄火星，获得带有误检测边缘的火星图像；所述带有误检测边缘火星图像的外边缘包括n个边缘数据点；n个边缘数据点中包括真实数据点和误检测边缘数据点；n为正整数，且n不小于100。随机采样的次数足够多，必存在某一次采样，在该次采样中，所有m个数据点均为真实数据点。在实际应用时，通常设置置信概率p，在置信概率p下，m次采样中至少有一次采样中的数据全是真实数据点。剔除误检测边缘点，提高真实边缘点比例，可以将所有数据点与初步拟合得到的圆作对比，每次剔除掉一部分(下面算法中设置为5％)“明显”的误检测边缘点。

步骤二、对带有误检测边缘的火星图像进行迭代剔除处理；获得剔除误检测边缘的火星图像；迭代剔除处理的具体方法为：

s1、从n个边缘数据点中随机选取m个数据点；m为正整数，且0.1n≤m≤0.5n。

s2、采用最小二乘法，将m个数据点拟合成圆形；

s3、分别计算n个边缘数据点沿径向到拟合圆形边界的距离；将n个边缘数据点的距离从大至小排列；

s4、剔除距离最大的前5％个边缘数据点；找到剩余的0.95n个边缘数据点中距离最大的边缘数据点；对该数据点的距离进行判断，当该数据点的距离小于设定阈值a时，则停止迭代，获得剔除误检测边缘的火星图像；当该数据点的距离大于等于设定阈值a时，重复步骤s1至s4，直至满足剩余的边缘数据点中距离最大的边缘数据点，距离小于设定阈值a。阈值a为0.8像素。

步骤三、为了进一步精确定位边缘点，需要对细化后的边缘点再次进行亚像素定位：对剔除误检测边缘的火星图像进行亚像素定位处理；获得精确边缘图像；如图2所示，亚像素定位处理的具体方法为：

s1、对其中1个边缘数据点分别建立3x3的像素矩阵；边缘数据点位于3x3像素矩阵的中心位置；其它8个像素点的像素环绕在边缘数据点的外侧；

s2、计算9个像素点的像素加权平均值，即为该边缘数据点的坐标；计算像素加权平均值时，对应的权值窗口中各个权值系数为1；设定周围8个像素的灰度值分别为f(x,y)；

则位于3x3像素矩阵中心位置的边缘数据点的坐标(x0,y0)的计算方法为：

s3、重复s1-s2，直至确定剔除误检测边缘的火星图像的全部边缘数据点的坐标；获得精确边缘图像。

步骤四、采用最小二乘法对精确边缘图像的全部边缘点进行拟合，获得轮廓精确火星图像。

本发明虽然已以较佳实施例公开如上，但其并不是用来限定本发明，任何本领域技术人员在不脱离本发明的精神和范围内，都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改，因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰，均属于本发明技术方案的保护范围。