星敏感器抗雜光背景濾波圖像處理方法研究

余路偉,毛曉楠,金 荷,胡雄超,吳永康

(1. 中國航天科技集團公司 紅外探測技術(shù)研發(fā)中心,上海 201109； 2.上海航天控制技術(shù)研究所,上海 201109)

?

星敏感器抗雜光背景濾波圖像處理方法研究

余路偉1、2,毛曉楠1、2,金 荷1、2,胡雄超1、2,吳永康1、2

(1. 中國航天科技集團公司 紅外探測技術(shù)研發(fā)中心,上海 201109； 2.上海航天控制技術(shù)研究所,上海 201109)

為提高星敏感器抗雜光干擾性能，提出了一種稱為背景濾波的全幀型星圖處理算法。根據(jù)星點和背景不同特征，對背景估計法進行了改進：設定模板尺寸為77像素，用模板邊緣像素的均值作為中心點的背景估值；將目標點本身引入背景估計，增加目標點權(quán)重以抑制背景的殘留；設定一較小的固定閾值以分割星點與虛警點，并采用單雙點去噪。給出了適宜FPGA并行處理的算法流程。對不同噪聲水平下受雜光干擾的星圖的處理結(jié)果表明：與分塊閾值法和高通濾波法相比，背景濾波算法的抗雜光能力更強，虛警率低，星點提取率高，運算簡單，便于FPGA實現(xiàn)，有無雜光干擾時的適應性好。

星敏感器； 星點提??； 抗雜光； 圖像處理； 背景濾波； 背景估計； 掩模； 虛警率

0 引言

星敏感器(簡稱星敏)具高精度、高可靠和長壽命特點，已成為衛(wèi)星平臺姿軌控系統(tǒng)的核心測量部件，在空間飛行任務中具有十分重要的作用[1]。作為光學敏感器，抗雜光干擾成為影響星敏性能的一個重要因素[2]。在軌時，星敏受月光、地氣光、太陽光和星體反射光四種雜光干擾。雜光干擾下，星敏成像將受到污染，原起伏均勻的背景將會呈現(xiàn)大幅度變化，灰度值也將整體抬高。這種不均衡的背景會嚴重影響分割閾值選取，造成虛警率急劇上升，星點提取率迅速下降，最終或?qū)е滦歉檨G失，星敏姿態(tài)數(shù)據(jù)無效。抗雜光時，除從遮光罩、探測電路抗光暈等硬件入手外，軟件圖像處理有多幀跟蹤檢測的局部方法和單幀星圖的整幅處理方法兩種[3-7]。多幀跟蹤檢測的局部方法可巧妙地規(guī)避雜光干擾，只關(guān)注波門內(nèi)星點與背景的分割，但此類方法較復雜，需要多幀間星點目標的嚴格配準，以及較多緩存，而且一旦跟蹤丟失，星敏只能進入全天捕獲狀態(tài)，此時只能采用單幀圖像整幅處理的方法?；趩螏幚淼膫鹘y(tǒng)閾值分割法存在局部適應性差、弱星提取能力不足等問題，導致其無法在雜光干擾下使用[1]。

為應對單幀圖像的雜光干擾，背景估計是一種常見的全局處理途徑。背景估計的要點是：圖像上任一像素的背景值均可由其周圍像素值線性或非線性表示，將每個像素點的灰度值與相應背景估值作差得到殘差圖像，殘差圖像能表征原始圖像的對比度，在此基礎上再進行圖像分割則易求得最優(yōu)閾值。背景估計的關(guān)鍵是背景估計掩模(又稱圖像卷積核)的設計，不同的掩模對應不同的背景估計方法。文獻[7]在改進最大值背景預測的基礎上，增加多級梯度檢測，提取效果較好，但該算法計算復雜、計算量大，其算法邏輯不適于硬件實現(xiàn)，對超過1百萬像素的大面陣數(shù)字圖像，實時處理性能不佳。文獻[8]提出根據(jù)距離的固定權(quán)值與區(qū)域最大值背景預測綜合應用的方法，可在星圖中存在局部高亮區(qū)域條件下得到較好的提取結(jié)果，但其判斷是否用最大值背景預測的梯度閾值不易確定，從而影響了算法效果。本文以背景估計為基礎，針對星敏圖像處理提取星點的特征，設計了一種兼顧雜散光與噪聲抑制的背景估計掩模，形成一種流水線作業(yè)的星圖處理方法——背景濾波，上述掩模建立在星點模型的基礎上，有極強的針對性，具備在背景估計中完好保留星點的能力，同時可穩(wěn)定抑制雜散光干擾，有效分割目標與背景。

1 星圖特征分析

對星圖特征進行分析，說明目標、背景、噪聲三者之間的關(guān)系和特點。

1.1 星點特征

由于星點質(zhì)心計算精度需要，一般采用離焦的方法使星點彌散為近圓形的光斑。理想星點像斑的能量分布可用二維高斯分布近似[9]。受探測器灰度量化限制，亮星成像將表現(xiàn)去頂高斯分布的特征，可表示為

(1)

1.2 背景特征

常態(tài)工況下，星圖背景分布均勻，并伴隨大量隨機噪聲。一般星敏在軌工作時間越長(或所處環(huán)境溫度越高)，噪聲的能量均值就越高，目標與背景、噪聲呈疊加關(guān)系，三者相互獨立，具有可分割性，滿足

G(x,y)=S(x,y)+B(x,y)+N(x,y).

式中：G(x，y)為某點灰度值；S(x，y)為星點在該點處的灰度值；B(x，y)為該點背景灰度；N(x，y)為該點疊加的隨機噪聲。

目標、背景、噪聲三者間的關(guān)系如圖2所示。當受雜光干擾時，星圖背景分布的均勻性被破壞，呈緩慢過渡趨勢。當有月球或太陽存在時，光源在圖像中的成像近似一個大半徑的高斯去頂分布。噪聲隨機疊加在背景之上。特別的，月球或太陽可能在成像時產(chǎn)生光環(huán)或光帶，成為背景中的高頻部分。

圖1 星點像斑特征Fig.1 Features of star spot

圖2 雜散光干擾時星圖特征Fig.2 Features of star image with stray lights

2 背景濾波

星圖中目標與背景具有獨立的特性，使采用背景估計法分割星圖成為可能[8]。背景估計法建立在空域濾波理論的基礎上，先以某種權(quán)值模板遍歷一次原始圖像I，得到估計的圖像背景

(2)

再將兩者作差得到殘差圖像

It=I-Ib，

(3)

理想情況下殘差圖像中僅保留目標和少量高頻噪聲[10]。此處：Ib(x，y)為背景估計得到的某一像素灰度值；k為模板半徑；I(i，j)為原始圖像在模板內(nèi)某點，i，j分別為該點行、列坐標；wij為其對應權(quán)值；It為殘差圖像。

在此基礎上，本文對背景濾波算法進行改進，具體如下。

a) 針對星點特征的模板設計

由上述分析可知：星斑大小可達8×8像素，綜合考慮星點邊緣保留與算法FPGA實現(xiàn)中所需數(shù)據(jù)緩存量，將模板尺寸定為7×7像素，即k=3，此為邊緣保留較好前提下的最小尺寸，所需數(shù)據(jù)緩存最少。同時，為更好地保留星點邊緣，設計特別采用模板邊緣估計中心點背景，有

W=

(4)

式中：W為背景濾波模板；wij=w11,w12,…,w77為各點對應權(quán)值。式(4)表明在7×7像素范圍內(nèi)，以邊緣像素的均值作為背景的估值。

b) 背景殘留的抑制

(5)

可更好地評估背景，且局部適應性更強。

將式(5)代入式(2)，由式(2)、(3)可得背景濾波殘差圖像。

c) 殘差圖像的分割與提取

在背景濾波得到的殘差圖像中，含部分類似星點形狀的虛警目標。但此類虛警目標普遍灰度值較低，像素灰度值間差值較小，目標小于5個像素。鑒于此類虛警目標的特征，選定一較小的固定閾值，可較好地分割星點與虛警點且通用性強，即

(6)

式中：k=3；Is為分割圖像；T為分割閾值，與探測器種類有關(guān)，工程中一般取T=0～5。

按此處理后，噪聲水平低的圖像即能良好提取星點；噪聲水平高的圖像則可舍棄其中單點/雙點目標，進一步降低虛警率。因為這類目標多為單粒子翻轉(zhuǎn)(SEU)引入的鹽噪聲，去噪后得到目標圖像。

上述背景濾波算法的流程如圖3所示。

圖3 背景濾波流程Fig.3 Flowchart of background-filter algorithm

本文提出的背景濾波算法是典型的基于卷積核的圖像處理算法。設卷積核尺寸為7×7像素，則對每個像素，卷積運算需完成乘法5次、加法運算30次，對分辨率為n×n像素的數(shù)字圖像，算法的時間復雜度為O(n2)。采用FPGA基于并行方式實現(xiàn)圖像卷積運算，可使像素吞吐率優(yōu)于50 Mpix/s，以4 Mpix分辨率的星圖為例，其處理能力優(yōu)于12.5幀/秒，可滿足星敏感器姿態(tài)測量實時性要求[11]。

3 仿真與分析

基于星敏感器外場觀星或在軌實際拍攝的星圖，對算法性能進行對比驗證，重點分析抗雜光性能。選取典型月光和太陽光干擾下，不同噪聲水平的星圖進行仿真對比，分別用分塊閾值分割法、高通濾波法和背景濾波法處理，比較三種方法的提取性能[1、10]。為便于識別，以下處理結(jié)果均以反向二值化呈現(xiàn)，即背景為白色、目標為黑色，紅色圓圈為正確分割的星點，藍色方框為虛警目標。處理結(jié)果如圖4～6所示。圖4(a)為某APS星敏地面觀星時對月拍攝的星圖，月光進入視場使星圖受到光暈污染，背景灰度均值為95(量程256)，遠高于未受干擾時的14，且呈輻射狀分布，月球附近星點受污染嚴重，對比度降低。圖5(a)為某CCD地面觀星拍圖，圖中月光污染大面積星圖并產(chǎn)生環(huán)狀光暈。圖6(a)為某CCD星敏在軌受太陽光干擾時拍圖，太陽位于視場左側(cè)，背景灰度從左至右遞減；在軌運行數(shù)年后，受輻射影響，噪聲水平較高。

用星點提取率、虛警率、星點像素總數(shù)三個指標表征處理方法的性能，定義如下：

a)星點提取率表征算法整體提取能力。對一幅特定的星圖及處理結(jié)果，設星敏探測極限星等內(nèi)正確提取星點數(shù)為Nd，對應天區(qū)在探測極限星等內(nèi)存在的星數(shù)為Sd，則星點提取率

Re=Nd/Sd.

(7)

b)虛警率表征算法抗干擾的能力。設錯誤提取目標數(shù)為Na，提取目標總數(shù)為Ne，則虛警率

Ra=Na/Ne.

(8)

c)星點像素總數(shù)為正確提取到的星點保留的像素總量，表征算法的目標保留能力。

用上述3項指標衡量處理效果，結(jié)果見表1。表中：(a)、(c)組探測器設計探測6.00等星；(b)組探測器設計探測6.50等星。星圖處理結(jié)果統(tǒng)計見表2。

由圖4～6分塊閾值法處理后結(jié)果和表1可知：所得圖像嚴重受月光影響，月暈區(qū)域存在大量錯誤分割殘留的背景，虛警率分別高達95.30%，79.13%，76.92%。

由圖4～6高通濾波法和背景濾波法處理結(jié)果和表1可知：兩種濾波算法的提取效果及抗雜光能力均優(yōu)于分塊閾值法，背景濾波提取率普遍高于高通濾波，均大于40%，且星點邊緣保留較好，提取星點像素總數(shù)較多；同時在高噪和低噪水平，虛警率均控制在小于15%，高通濾波可達46.36%。

圖4 低噪水平月光干擾星圖及其處理結(jié)果Fig.4 Low-noise star images with moon lights and process results

圖5 高噪水平月光干擾星圖及其處理結(jié)果Fig.5 High-noise star images with moon lights and process results

圖6 太陽光干擾星圖及其處理結(jié)果Fig.6 Star images with solar lights and process results

由上述不同條件下的實驗結(jié)果可認為：與分塊閾值法、高通濾波法相比，背景濾波表現(xiàn)出良好的抗雜光能力，在太陽、月球進入探測器視場的條件下，背景濾波星點提取率平均達到48.46%，能滿足全天捕獲、姿態(tài)確定的需要，利于提高姿態(tài)穩(wěn)定性，考慮高噪工況，平均虛警率也可控制在5.26%。

表1 星圖處理結(jié)果

表2 星圖處理結(jié)果統(tǒng)計

4 結(jié)束語

本文設計了一種用于星敏抗雜光的背景濾波算法。針對星點特征設計濾波模板，在以均值評估背景的基礎上，該算法創(chuàng)新性地添加多處背景抑制因子，用設計的模板濾波獲得背景圖像，將其與原始星圖差分即可濾除低頻背景，輔以分割和單雙點噪聲

濾除得到僅含目標的星圖。用多種雜光干擾的星圖進行了實驗對比，結(jié)果表明背景濾波法虛警率明顯下降，平均降幅20%以上，同時星點提取率也有所提升。本文方法的優(yōu)點是：虛警率低，提取率高；運算方法簡單，便于FPGA實現(xiàn)；通用性良好，不僅可處理不同條件下的雜光干擾，而且能在常態(tài)工況中使用；抗雜光性能優(yōu)異，為應對雜光干擾造成的跟蹤丟失，提供了一條有效的解決途徑。本文提出的算法無需先驗信息，與星圖識別及星跟蹤算法模塊數(shù)據(jù)交互簡單，利于提高幀頻，為提高星敏動態(tài)性能奠定基礎。后續(xù)可利用FPGA并行計算的優(yōu)勢實現(xiàn)本算法，并將算法封裝為獨立IP核，形成可適應高動態(tài)星敏感器需求的“雜光抑制—去噪—星點質(zhì)心提取”快速圖像處理流水線。

[1] 毛曉楠, 梁為升, 鄭循江. 基于并行運算體系結(jié)構(gòu)的星敏感器圖像處理算法[J]. 宇航學報， 2011, 32(3): 613-619.

[2] 李曉云, 杜偉, 劉付強, 等. 基于STK的星敏感器在

軌視場仿真分析[J]. 航天器工程, 2013, 22(2): 27-31.

[3] LIEBE C C. Star trackers for attitude determination[J]. IEEE AES Systems Magazine, 1995(6): 10-16.

[4] 唐勇, 盧欣, 郝云彩. 星敏感器雜光抑制分析[J]. 航天控制, 2004, 22(3): 58-61.

[5] 鄭循江. 輕小型高動態(tài)星敏感器技術(shù)研究[D]. 上海: 上海交通大學, 2012.

[6] 魏長安. 紅外小目標檢測與跟蹤算法研究[D]. 哈爾濱: 哈爾濱工業(yè)大學, 2009.

[7] 王雪梅, 黃自力, 王德勝. 紅外弱小目標的單幀捕獲[J]. 紅外與激光工程, 2006, 35(S1): 99-104.

[8] 王洪濤, 羅長洲, 王渝, 等. 基于背景自適應預測的星點提取算法[J]. 光學技術(shù), 2009, 35(3): 412-414.

[9] 張新宇, 郝云彩. 星敏感器星點能量分布數(shù)學模型及其對精度的影響分析[J]. 空間控制技術(shù)與應用, 2013, 39(3): 14-23.

[10] GONZALEZ R C, WOODS R E. Digital image processing[M]. 北京: 電子工業(yè)出版社, 2005.

[11] 王建莊. 基于FPGA的高速圖像處理算法研究及系統(tǒng)實現(xiàn)[D]. 武漢: 華中科技大學, 2011.

Study on Image Process Method of Star Tracker for Stray Lights Resistance Filtering Based on Background

YU Lu-wei1, 2, MAO Xiao-nan1, 2, JIN He1, 2, HU Xiong-chao1, 2, WU Yong-kang1, 2

(1.Research and Development Center of Infrared Detection Technology, CASC, Shanghai 201109, China； 2. Shanghai Institute of Spaceflight Control Technology, Shanghai 201109, China)

In order to improve stray lights resistance of star tracker, a global filtering image process method which was named background-filter was proposed in this paper. According to features of star and background, the background-filter algorithm was improved. The mask was set with 77 pixel. The mean pixel value at the edge of the mask was served as the value of background estimation. The weights of the star were added to restrain background at positions far away from the center of mask. A small threshold value was set to segment the star and false alarm point and single/double noise filter was also applied. The algorithm flowchart fitting for parallel process in FPGA was designed. The simulations results based on star images with stray lights on kinds of noise levels showed that the improved background filter had better stray lights resistance, lower alarm ratio and higher star detection ratio than either block threshold method or high-pass filter method, and the algorithm proposed was simple and adaptive to be realized by FPGA as well as fitted to both stray lights and no stray lights.

Star tracker; Star detection; Stray lights resistance; Image process; Background-filter; Background estimation; Mask; Alarm ratio

1006-1630(2016)04-0026-06

2016-05-23；

2016-07-16

總裝備部高分辨率對地觀測系統(tǒng)重大專項資助(GFZX0401300206)

余路偉(1992—)，男，碩士生，主要從事星敏感器圖像處理研究。

V448.2； TP391.41

A

10.19328/j.cnki.1006-1630.2016.04.005