[发明专利]一种基于离散马尔科夫特征序列模型的星图模式识别方法

权利要求书

1.一种基于离散马尔科夫特征序列模型的星图模式识别方法，其特征在于：该方法的步骤如下：

步骤1).挑选合适的星点作为导航参考星和邻域星；

步骤2).导航参考星点HMM模式构建；

利用导航参考星和邻域星来构建HMM模型的两层结构——隐藏层和观察层；导航参考星将作为HMM的源，是模式识别的核心；导航参考星点及其邻域星点的几何分布映射为HMM的隐藏层，隐藏层描述假设的马尔科夫过程中隐藏状态的变化；导航参考星和邻域星的星对角距经过离散和化整后构成的特征序列作为HMM观察层的观察值序列；

步骤3).HMM训练与样本采集；

星点HMM模型的训练是指根据观察到的序列样本集来找到一个最有可能的HMM(Baum-Welch algorithm)，并求出HMM的参数；具体如下：

I.利用得到的导航参考星的特征序列，构造鲁棒性特征序列集合作为训练样本；

II.利用Baum-Welch算法来计算局部最佳的HMM模型参数，进行HMM的训练和学习；

步骤4).在观测星图中寻找待识别的观测参考星和邻域星；

步骤5).计算星图中观测参考星的特征序列，然后将特征序列经过离散化整转换为观察值序列；

步骤6).根据观察值序列，在HMM数据库中寻找最优匹配的模型；其中：

首先，利用粗分类逐位退出原则找到HMM数据库中可能和当前观察序列匹配的一个极小的子集；

然后，计算子集中所有HMM模型产生该序列的概率，概率最大的一个HMM模型为最优匹配模型；

步骤7).若当前观测导航星点正确识别，算法结束；若当前观测导航星点无法识别，则选下一颗星点作为参考星，返回步骤5)继续进行识别；当星图中所有星点均无法识别时，整幅图像识别失败。

2.根据权利要求1所述基于离散马尔科夫特征序列模型的星图模式识别方法，其特征在于，在步骤1)中，所述的导航参考星和邻域星是从天球中挑选的；具体的，

从星表中挑选星等小于等于一定星等的星点作为导航参考星，并删除双星和过于密集的星点；

寻找导航参考星模式半径范围内的星等小于或等于一定星等的星点作为导航邻域星的候选星点；

将所有的候选星点按照离参考星的角距从小到大排序，并选择最近的三颗，依次记为邻域星1,2,3。

3.根据权利要求1所述基于离散马尔科夫特征序列模型的星图模式识别方法，其特征在于，在步骤3)的步骤I中，所述的鲁棒性偏移特征序列集合是利用鲁棒性偏移参数处理特征序列生成的样本集合，其中：

ε⁺：正向鲁棒性偏移参数，若一个离散后的特征序列中的某一个角距去整后的小数部分大于ε⁺时，该角距对应的观察值加1，其他位不变，构成一个全新的观察值序列；

ε^-：负向鲁棒性偏移参数，类似于ε⁺，当离散后的角距去整后的小数部分小于ε^-时，对应观察值减去1构成新的观察值序列；

将基本特征序列经过离散和化整后转换成基本观察值序列，并对其逐位应用鲁棒性偏移法则来生成新的观察序列；

训练好的所有的导航参考星点的HMM模型，并在HMM数据库中存储其星表编号，邻域星星表标号和HMM参数，用作后续搜索匹配。

4.根据权利要求1所述基于离散马尔科夫特征序列模型的星图模式识别方法，其特征在于，在步骤4)中，所述的观测参考星和邻域星是从星图中挑选的；

将所有星图中的星点按照离图像中心的距离从小到大排序，首先挑选第一颗星点为观测参考星，以观测参考星为中心，找到观测参考星对应的三颗最近的邻域星。

5.根据权利要求1所述基于离散马尔科夫特征序列模型的星图模式识别方法，其特征在于，在步骤6)中，所述的粗分类逐位退出是指比较星图中观测参考星的观察值序列和HMM数据库中的每一个HMM的观察值序列，从首位开始，如果两者值相差±δ以上，则判定为此HMM不符合观察值序列，直接退出比较，进行下一个HMM比较；

只有所有位的观察值的比较结果差值均在±δ以内，则计算此HMM产生观察值序列的对数似然概率；

挑选概率的最大的HMM模型作为匹配的模型，观测参考星和邻域星就是最佳HMM模型对应的导航参考星和邻域星，此时星图识别完成；

若遍历HMM数据库没有匹配的HMM模型，当前的星图中观测参考星和邻域星无法识别。