[发明专利]一种基于姿态信息的星点提取方法

权利要求书

1.一种基于姿态信息的星点提取方法，其特征在于：根据实拍星图随机选取抽样窗口，计算每个抽样窗口内所以像素灰度值的期望与标准差和阈值；根据星图的噪声强度确定纵坐标矩阵的大小，筛选出潜在像素的纵坐标和潜在像素点；根据对纵坐标矩阵的每一行进行一阶前向差分，得到差分矩阵；若纵坐标矩阵是种子点，则对于同一个星点的内部区域的某一行像素点进行一阶前向差分，得到常值序列；根据遍历差分矩阵的每一行，通过判断差分矩阵的每一行值来提取种子点，并基于曼哈顿距离来剔除同类种子点；根据种子点的坐标信息，利用区域生长法搜索出星点的所有内部像素，并进行质心定位；根据惯性器件的姿态变化量输出递推后续拍摄星图中星点的种子点，并进行区域生长与质心定位操作，包括构造纵坐标矩阵M、构造差分矩阵Q、剔除噪声点与提取种子点、星点内部像素精确提取与质心定位、基于惯性器件姿态变化量输出递推星点质心位置五大步骤,具体为：

步骤1：对星图S进行一次遍历，获得二维纵坐标矩阵M；

步骤2：对纵坐标矩阵M的每一行进行一阶前向差分，得到差分矩阵Q；

步骤3：剔除噪声点，提取种子点；

步骤4：基于种子点的坐标信息，利用区域生长法搜索出星点的所有内部像素，并进行质心定位；

步骤5：利用惯性器件的姿态变化量输出递推后续拍摄星图中星点的质心位置。

2.根据权利要求1所述的一种基于姿态信息的星点提取方法，其特征在于：步骤1中所述的“对星图S进行一次遍历，获得二维纵坐标矩阵M”具体步骤如下：

步骤1.1：确定阈值T，方法为：随机选取几十个抽样窗口，抽样窗口的分布尽量均匀，抽样窗口的大小适当就行，不需要太大，能反映出噪声特性即可，计算每个抽样窗口内所以像素灰度值的期望μ_i与标准差σ_i，然后按照下式计算出阈值T用于星图降噪处理，

式中，μ_i为抽样窗口内所以像素灰度值的期望，σ_i为抽样窗口内所以像素灰度值的标准差，N_w为抽样窗口数，a为经验值，视试验效果而定，

步骤1.2：对于一幅拍摄星图S，设星图的尺寸为N1*N2，其中，N1为星图的行数，N2为星图的列数，构造一个纵坐标矩阵M，其中M的大小为(N1/2)*N3，之所以叫纵坐标矩阵，是因为矩阵中存储的非零值都是潜在像素点的纵坐标，M矩阵的行数是S矩阵行数的一半，N3为一个常值，根据星图的噪声强度确定，噪声强度越大，则图像中高灰度值的噪声像素点(后续简称噪声点)越多，后续寻找种子点(星点内部区域的任意一个像素点都称为该星点的种子点)时出现的潜在像素点就越多，N3就越大，纵坐标矩阵M的每一行存储着星图对应行中筛选出来的潜在像素的纵坐标，筛选出来的潜在像素点，即噪声点(灰度值大于阈值T的强噪声点)和不同星点的种子点的集合，后续会对纵坐标矩阵M进行二次处理以剔除其中的噪声点，保留下种子点，得到这些种子点后，便可以进一步快速搜索出不同星点的所有内部像素点用于质心定位，

步骤1.3：构造纵坐标矩阵M，方法如下所述，首先，从左往右遍历星图第一行的每一个像素点，当遇到第一个灰度值大于阈值T的像素点时，将该像素点的纵坐标存入M矩阵的M(1，1)位置，当遇到第二个灰度值大于阈值T的像素点时，将该像素点的纵坐标存入M矩阵的M(1，2)位置，依次类推，扫描完星图的第一行数据，接着，从左往右遍历星图第三行的每一个像素点，当遇到第一个灰度值大于阈值T的像素点时，将该像素点的纵坐标存入M矩阵的M(2，1)位置，依次类推，扫描完星图的第三行数据，按照该模式，以行步长为2扫描完整幅星图，得到纵坐标矩阵M。