改进的基于主星的星图识别算法

为了建立更高效的星图识别算法,设计了一种以主星与邻星角距为识别特征的星图识别算法.构建了导航星库,将所有邻星与主星角距进行量化编码,并按照从小到大的顺序排列为特征模式字符串,串尾附加字符串长度项为聚簇索引,借以提高导航星库的检索速度;然后,利用改进的KMP字符串识别方法对观测星进行匹配识别.当存在2 pixels的高斯位置噪声时,该算法成功识别率高于97.38%,导航星库的存储容量为149.4 kB.在Pentium 1.6 GHz PC机上随机识别1 250幅星图,平均识别时间为42.78 ms.此识别算法对观测图像具有旋转不变性,对位置和星等噪声都有很好的鲁棒性,且导航星库的存储容量小、检索效率高、实时性好.     

基于高斯分布的星像点精确模拟及质心计算

为提高星敏感器仿真系统的精度,提出了基于高斯规律的模拟星像点的灰度扩散方法和高斯质心提取算法.按照二维高斯分布规律置灰度值来模拟星像点像素,对称中心是映射坐标而不是取整的中心像素坐标,以便准确模拟实际星像点散焦及像差导致的灰度扩散.高斯质心提取亚像素定位过程包括像素粗定位和偏差精定位两个步骤,基于高斯规律建立了一个分段函数实现偏差精定位.在星像点噪声为N(0, 1.22)的仿真条件下,整个偏差区间[-0.5,0.5)pixel内高斯质心定位标准差为0.007 pixel,远小于灰度重心法的0.041 pixel和加权灰度重心法的0.026 pixel,而3种方法对模拟星图的处理结果一致.仿真实验表明:模拟星像点高斯灰度扩散法是合理准确的,而高斯质心提取算法简单精确,精度高于传统灰度重心法.