【技术实现步骤摘要】
一种低分辨率含噪星图识别方法
本专利技术属于计算机图像处理技术,涉及一种低分辨率含噪星图识别方法,针对星敏感器拍摄的低分辨率含噪声导航星图进行去噪处理、特征提取及导航星识别,以提升天文导航精度。
技术介绍
近年来,天文导航以其高自主性、高隐蔽性、高可靠性、误差不随时间累积等优点在空间探索任务中得到了长足发展。天文导航主要以恒星为导航信标,通过识别星敏感器拍摄导航星图,解算探测器提供位姿,为探测器提供导航信息。天文导航有效、精准的工作依赖于快速、精确的导航星识别。现有的导航星识别方法大致可以分为三类:子图同构类识别方法、星模式类识别方法、神经网络类识别方法。其中神经网络类识别方法通过提取导航星特征并进行神经网络学习,利用学习后的神经网络结构识别星图。导航星的识别率由以下两个因素影响:一方面,导航星质心的提取精度将直接影响导航星的识别率,为了获得高精度的星质心信息,往往需要较高像素分辨率的星图,而利用高分辨的星空成像设备将会对数据转换、存储与处理造成巨大的压力,同时大大增加天文导航的成本,超分辨技术的不断发展为低分辨星图获取高精度星质心提供了依据;另一方面,星敏感器成 ...
【技术保护点】
一种低分辨率含噪星图识别方法,其特征在于步骤如下:步骤1、将稀疏表示与图像超分辨相结合,对低分辨率含噪星图预处理:A.高分辨率去噪星图字典Dh与低分辨率含噪星图字典Dl的优化为:
【技术特征摘要】
1.一种低分辨率含噪星图识别方法,其特征在于步骤如下:步骤1、将稀疏表示与图像超分辨相结合,对低分辨率含噪星图预处理:A.高分辨率去噪星图字典Dh与低分辨率含噪星图字典Dl的优化为:其中:N和M分别是高、低分辨星图像块的维数,λ为拉格朗日乘子,1/N和1/M为惩罚项;利用K-SVD字典训练算法同时训练出Dh与Dl2个字典;B.利用BP算法求解式下式获得低分辨率含噪星图F在字典Dl下的稀疏系数α:步骤2、基于神经网络进行导航星识别:A.选用导航星质心间角距构造的P值向量作为网络训练输入,将导航星的3维特征降至1维;...
【专利技术属性】
技术研发人员:苟斌,程咏梅,赵明艳,田朝旭,陈嘉良,白渭津,
申请(专利权)人:西北工业大学,
类型:发明
国别省市:陕西,61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。