[发明专利]一种基于图像行数据扫描的星空目标最大光强位置的识别方法

说明书

本发明公开了一种基于图像行数据扫描的星空目标最大光强位置的识别方法，称为行数据扫描算法；根据前一帧图像的像素灰度平均值确定背景阈值，对接收到的相机行数据进行实时扫描，对于满足背景阈值判断条件的像素，使用行数据扫描算法进行判定，并对星空目标数据进行更新处理；当利用算法判定某个星空目标已经结束后，进行星空目标最大光强位置计算；当一帧图像接收完成后，便得到了所有星空目标的最大光强位置坐标。

技术领域

本发明涉及一种基于图像行数据扫描的星空目标最大光强位置的识别方法，属于一种对空间目标进行质心提取的图像处理算法。

背景技术

空间已成为新时期各国家政治、军事、技术、经济等竞争的热点，空间攻防是未来太空战争的主要作战手段。为了能够使得卫星自动捕获、跟踪空间运动目标，需要对卫星进行快速姿态计算，然后使用准确的光轴指向信息，推导出恒星在星图中的位置，完成星点映射，最终找到运动目标，完成对目标的实时捕获、跟踪。以上所有的步骤都是基于能够准确的找到星空背景下的恒星和目标的质心位置(即最大光强位置)来实现的。

恒星为观测目标，恒星可以看作无穷远的具有一定光谱特性的点光源，因此其在图像传感器的感光面上成像为分布在较暗背景上的点状光斑，光斑的灰度分布反映了星的亮度。

点状光斑目标的细分定位方法可以分为基于灰度和基于边缘的两大类。基于灰度的方法一般利用目标的灰度分布信息，如质心法、曲面拟合法等。基于边缘的方法一般利用目标的边缘形状信息，这些方法有边缘圆(椭圆)拟合、Hough变换等。一般而言，基于灰度的方法比较适用于较小的且灰度分布均匀的目标，而基于边缘的方法则适合较大的目标，它对灰度的分布不太敏感。实际观测星图中星空目标的直径一般为3～5个像元的大小，且灰度近似成高斯分布。因此，对于星空目标，宜采用基于灰度的方法进行细分定位处理。

目前，使用最多是图像连通域方法，算法步骤是：

(1)从左至右、从上至下扫描图像；

(2)如果像素点的灰度大于背景阈值(T)，则：a.如果上面点或左面点有一个标记，则复制这个标记；b.如果上面点或左面点有相同的标记，则复制这一标记；c.如果上面点或左面点的标记不同，则复制上面点的标记并将这两个标记输入等价表作为等价标记，如图1中的标记2与3为等价标记；d.否则给这个像素点分配一个新的标记；

(3)重复(2)直到扫描完图像中所有灰度值大于T的像素点；

(4)将等价表里具有相同标记的像素点合并，并重新分配一个低序号的标记。经过连通域分割处理之后，各个星空目标在星图中表现为相邻的具有相同标记点的像素点的集合。如图1所示，图中数字1为一个目标，数字2和3为另一个目标，图2所示的是上述算法的流程图。

由于传统算法中需要把整幅图像全部接收存储后才能进行计算，如果图像分辨率为1024*1024*8bits的话，至少需要两片1MBits的SRAM来对图像同时进行接收存储和数据处理。并且对图像处理时，使用连通域算法，需要从SRAM中读取出图像，在把处理的图像存储到SRAM后，再对处理后的图像进行扫描计算后才能完成质心提取。

从上面步骤可以看出，对一副图像进行质心提取，至少需要2次图像数据的操作，假设SRAM的接口速率为40MHz，数据位数位32bits，则接口传输需要的时间为13.1ms，而对于捕获模块的跟踪速度的要求为20fps，去掉机构运动和算法余量等时间后，每帧图像的处理时间小于40ms左右，如果在读取图像方面花费的时间占用了整个算法32.75％的时间，那么对后面的算法提出了很大的要求。

另外一种是使用卷积的方法，需要固定大小的模板进行卷积来完成识别，这种方法主要针对已知且固定大小的物体，不能对任意大小的图像进行识别，而在星空的目标识别时，目标离观测点的距离会变化，在像平面上的大小也会发生变化，并且变化范围也很大，几个像素到几百个像素都有可能，所以该方法不适合。