基于區(qū)域生長法的星圖中星提取方法*

柯衛(wèi)，王宏力，袁宇，崔祥祥，陸敬輝

（1.第二炮兵工程大學(xué)，西安710025；2.第二炮兵駐航天十院軍代室，北京100854）

基于區(qū)域生長法的星圖中星提取方法*

柯衛(wèi)1，王宏力1，袁宇2，崔祥祥1，陸敬輝1

（1.第二炮兵工程大學(xué)，西安710025；2.第二炮兵駐航天十院軍代室，北京100854）

針對掃描法和矢量法抗噪能力不強、提取精度不高的問題，結(jié)合低通濾波、背景差分和區(qū)域生長法，提出了一種改進的星圖中星的提取方法。該方法在低通濾波完成背景預(yù)測的基礎(chǔ)上，將原始星圖與預(yù)測背景圖進行背景差分，獲得預(yù)處理后的星圖，再根據(jù)星體目標(biāo)具有較強相關(guān)性的特點，采用區(qū)域生長法對星體目標(biāo)進行掃描，最后采用工程應(yīng)用中比較成熟的平方加權(quán)質(zhì)心法實現(xiàn)星體目標(biāo)的提取。仿真結(jié)果表明，改進的星提取方法具有較強的抗噪能力和較高的提取精度。

星敏感器，星提取，低通濾波，背景差分，區(qū)域生長

0 引言

從CCD星敏感器拍攝的恒星圖像中提取星體目標(biāo)是進行星圖識別和姿態(tài)確定的前提和基礎(chǔ)，它不僅影響到星圖識別的效率，更關(guān)系到姿態(tài)計算的精度［1］。因此，如何快速而準(zhǔn)確地從星圖中提取星體目標(biāo)十分重要。目前，星提取的主要方法有掃描法和矢量法［2］。掃描法通常采用全局背景閾值或局部背景閾值對星體目標(biāo)和背景進行分離，然后基于連通域［3］分析獲得星體目標(biāo)，但該方法計算較為復(fù)雜、提取效率不高。矢量法可以看作是掃描法的改進算法，通過引入2個整數(shù)矢量，僅需一次CCD掃描，就可以得到所有候選星的位置信息，但整數(shù)矢量存儲的是所在行、列的灰度最大值，當(dāng)某行（列）存在多個候選星點時，就會將目標(biāo)星像誤判為背景。當(dāng)星圖中包含較多噪聲時，矢量法提取的星數(shù)會迅速達到上限，且容易提取到偽星。

1 星體目標(biāo)成像特點分析

星敏感器以恒星為觀測目標(biāo)，拍攝的恒星可視為無窮遠處具有一定光譜特性的點光源。由于星敏感器分辨率不可能無限制提高，工程中常采用散焦技術(shù)使星體目標(biāo)分布在有限個像素上，通過細分定位［4］算法使星體目標(biāo)定位精度達到亞像素級。采用散焦技術(shù)后，恒星在星敏感器光敏面上的像為分布在較暗背景上的點狀光斑，其灰度反映了恒星的星等。一般星體目標(biāo)灰度較高，星圖背景灰度較低。星體目標(biāo)灰度值近似成高斯分布，直徑一般為3個～5個像素，且星體目標(biāo)中心為灰度值最大的星體目標(biāo)點。但星敏感器在工作過程中，不可避免要受到噪聲等各種干擾因素［3］的影響，主要包括：①圖像傳感器的噪聲，如光子散粒噪聲、暗電流散粒噪聲、固定模式噪聲；②電子線路噪聲，如芯片放大器噪聲。這些噪聲會導(dǎo)致星圖背景的灰度值發(fā)生變化，并且會導(dǎo)致星圖中形成一些偽星像。

2 星圖預(yù)處理方法

實際觀測的星圖中有效信息量很少，主要包括星體目標(biāo)點和暗星、噪聲、脈沖等干擾形成的虛假目標(biāo)點，其余大部分是星空背景［5］。在成像的星圖中，星體目標(biāo)點和噪聲、脈沖等形成的虛假目標(biāo)點同為高頻分量，星空背景為低頻分量。星空背景是大面積平緩變化的天空場景，像素之間有很強的相關(guān)性，占據(jù)了圖像頻域的低頻分量。為了抑制星空背景和部分虛假目標(biāo)點，提高后續(xù)星點目標(biāo)掃描的效率，可以先對星圖進行預(yù)處理。傳統(tǒng)的預(yù)處理方法是采用全局閾值或者局部閾值的方法進行閾值分割［3］。要對星圖進行分割，就涉及到閾值的選取。若閾值選取過高，則會將星體目標(biāo)點誤判為虛假目標(biāo)點；若閾值選取過低，則會將過多的虛假目標(biāo)點誤判為候選星體目標(biāo)點。并且，對星圖進行預(yù)處理，既要達到抑制背景和低頻噪聲的目的，又要盡量保持星體目標(biāo)的灰度。因此，要找到合適的閾值十分困難。本文根據(jù)星圖的特點，采用低通濾波［6］和背景差分［7］相結(jié)合的方法對星圖進行預(yù)處理，既能達到濾除星空背景和低頻噪聲形成的虛假目標(biāo)點的目的，又能避免降低星點目標(biāo)的灰度。

低通濾波公式為：

式（1）中，K（m，n）為5×5的低通卷積模板，其表達式為：

背景差分表達式為：

式（3）中，H（i，j）為背景差分后的圖像；X（i，j）為原始星圖；Y（i，j）為低通濾波預(yù)測的背景圖像。

3 基于區(qū)域生長法的星點目標(biāo)掃描

針對星圖的特點和星圖預(yù)處理的分析，將區(qū)域生長法［9］引入到星圖中星的提取，用于星點目標(biāo)掃描。區(qū)域生長法的基本思想是根據(jù)事先定義的相似性準(zhǔn)則，將圖像中滿足相似性準(zhǔn)則的像素或子區(qū)域聚合成更大區(qū)域的過程；基本方法是首先在需要分割的區(qū)域中找一個“種子”像素作為生長的起點，其次將種子像素周圍鄰域中與種子像素有相同或相似性質(zhì)的像素合并到種子像素所在區(qū)域中，再以合并成的區(qū)域中的所有像素作為新的種子像素，繼續(xù)上面的相似性判別與合并過程，直到最后沒有滿足相似性條件的像素可被合并進來為止。

本文提出的星點目標(biāo)掃描過程如下：

（1）以2×2鄰域為單位塊，從左到右，從上到下掃描星圖，記錄各塊內(nèi)像素灰度值并求其平均值，將灰度平均值最大的塊作為種子像素；

（2）從左到右，從上到下，依次掃描種子像素周圍的像素，用種子像素灰度平均值減去相鄰像素灰度值。若差值小于或等于閾值t1（閾值t1可根據(jù)精度要求設(shè)定），則跳到第（3）步；否則，剔除該像素，返回第（2）步。

（3）掃描該相鄰像素上、下、左、右的像素（種子像素不用掃描），分別減去種子像素灰度平均值。若其絕對值全都小于等于閾值t1，則將該相鄰像素合并到種子像素中，形成新的種子像素；否則，剔除該像素，返回第（2）步。

（4）重復(fù)第（2）步，直到?jīng)]有像素滿足相似性條件為止。當(dāng)整幅星圖都進行生長判斷后，星體目標(biāo)也被定位。

該方法流程圖如下頁圖1所示。

4 星點目標(biāo)質(zhì)心提取

星體提取的最終目的是提取星體質(zhì)心，由于平方加權(quán)質(zhì)心法［2］在工程應(yīng)用中比較成熟，因此，本文采用平方加權(quán)質(zhì)心法提取星體目標(biāo)的質(zhì)心，計算公式如下：

圖1 基于區(qū)域生長法的星提取方法的流程圖

式（4）、式（5）中，P（i，j）為星體目標(biāo)的灰度值，x，y為星像定位坐標(biāo)。該算法突出了星像中心附近灰度值較大的像素對星像中心定位的影響，能夠提高星體目標(biāo)定位精度。

5 仿真結(jié)果及分析

為了驗證本文算法的效果，采用MATLAB進行仿真，比較矢量法和本文算法的性能。星提取圖像選用計算機模擬星圖，模擬條件：視場大小8°×8°，CCD像元數(shù)為512×512，星表選用SKY2000為主星表，選用其中星等低于6.0的恒星，剔除其中的雙星和變星，共4 908顆。理論上星點目標(biāo)成像近似成高斯分布，因此，要產(chǎn)生模擬的星體目標(biāo)點，需要按照式（6）所示二維高斯函數(shù)做灰度擴散，將星體目標(biāo)點擴散到3～5個像素上，以模仿散焦的效果［10］。

式（6）中，I0為曝光時間內(nèi)恒星投射到星敏感器光敏面的總能量，（x0，y0）為星像能量中心坐標(biāo)，σ為高斯彌散半徑，仿真中σ=0.5。實驗中，星敏感器光軸指向赤經(jīng)60°、赤緯40°，視場范圍內(nèi)包含7顆星。星圖背景加上均值為0、方差為δ2的高斯白噪聲。比較兩種算法的提取結(jié)果（矢量法提取星像數(shù)上限設(shè)定為30），如表1所示：

從表1可以看出：隨著噪聲方差的增加，矢量法提取星數(shù)迅速達到上限30顆，提取了較多偽星，提取性能迅速下降，而本文算法仍能較好地提取星像，具有較強的抗噪能力。從提取速度來看，矢量法的速度更快一些；但從提取精度上看，當(dāng)不給星圖加背景噪聲時，兩算法提取精度相當(dāng)，一旦給星圖加上噪聲，矢量法的提取精度迅速下降，而本文算法仍能保持較高的提取精度。

表1 本文算法與矢量法的比較

6 結(jié)束語

本文將低通濾波、背景差分和區(qū)域生長法運用到星體目標(biāo)提取中，同時，用平方加權(quán)質(zhì)心法對星體目標(biāo)進行細分定位。區(qū)域生長法有很強的抗噪聲和剔除暗星的能力，結(jié)合低通濾波對星圖進行背景差分，可以提高提取的效率。平方加權(quán)質(zhì)心法突出了具有較大灰度值星像的作用，具有較高的精度。

［1］Yang J，Liang B.A Novel Systematic Error Compensation Algorithm Based on Least Squares Support Vector Regression for Star Sensor Image Centroid Estimation［J］.Sensors，2011，11（8）：7341-7363.

［2］Mortari D，Romoli A.StarNavIII：a Three Fields of View Star Tracker［J］.IEEE on Aerospace Conference Proceeding，2002（1）：47-57.

［3］魏新國，張廣軍，江潔，等.星敏感器中星圖圖像的星體細分定位研究［J］.北京航空航天大學(xué)學(xué)報2003，38（9）：812-815.

［4］胡曉東，胡強.一種用于白天星敏感器的星點質(zhì)心提取方法［J］.中國慣性技術(shù)學(xué)報，2014，40（4）：481-485.

［5］蹤華，高曉穎，汪渤.一種三角形星圖識別算法的改進與實現(xiàn)［C］//第33屆中國控制會議論文集.西安：中國自動化學(xué)會控制理論專業(yè)委員會，2013：5182-5186.

［6］李俊山，李旭輝.數(shù)字圖像處理［M］.北京：清華大學(xué)出版社，2006.

［7］王宵，辛云寵.紅外小目標(biāo)的模板提取及檢測技術(shù)研究［J］.激光與紅外，2013，42（7）：822-825.

［8］孟威.復(fù)雜背景自適應(yīng)紅外小目標(biāo)檢測［D］.杭州：浙江大學(xué)，2013.

［9］王海涌，費崢紅，王新龍.基于高斯分布的星像點精確模擬及質(zhì)心計算［J］.光學(xué)精密工程，2009，17（7）：1672-1677.

Method of Star Extraction from Star Image

KE Wei1，WANG Hong-li1，YUAN Yu2，CUI Xiang-xiang1，LU Jing-hui1
（1.The Second Artillery Engineering University，Xi’an 710025，China；
2.Military Delegate Office of the Second Artillery in China Aerospace Time Electronics CO，Beijing 100854，China）

To solve the problem that antinoise ability is not strong，extraction precision is not high for scanning technique and vector technique，an improved approach to star extraction from star image is proposed.The approach comprised of the low-pass filter，background difference and region growth algorithm.First，it uses a low-pass filter to predict the background.Then，using the origal star image minus the predicted background image to get the star image after pretreatment.At last，regional growth method is used to extract star object based on the characteristics that star objects have correlation.The simulation results show that the proposed method has strong antinoise ability and high precision.

starsensor，starextraction，low-passfilter，backgrounddifference，regiongrowth algorithm

TP391

A

1002-0640（2015）12-0067-03

2014-11-20

2015-01-12

陜西省自然科學(xué)基礎(chǔ)研究計劃基金資助項目（2014JM2-6107）

柯衛(wèi)（1991-），男，湖北安陸人，碩士。研究方向：組合導(dǎo)航。