一种光学图像高轨卫星目标检测方法技术

本发明专利技术公开了一种光学图像高轨卫星目标检测方法，该方法包括如下步骤：101、对图像进行噪底估计，图像进行降噪，将系列图像对齐后使用帧间差法去除恒星目标；102、对疑似高轨目标进行形态识别，获取大小位置信息；去除恒星目标后，对剩余的疑似高轨目标进行形态识别，得到大小位置等信息。103、使用基于密度聚类改进的霍夫变换在位置和速度两个维度进行检测；104、提取得到需要的高轨目标序列。本发明专利技术对霍夫变换直线检测方法进行了改进，使用霍夫变换参数聚类的方法克服了传统霍夫变换检测线性程度要求高且不可控制的问题。程度要求高且不可控制的问题。

【技术实现步骤摘要】
一种光学图像高轨卫星目标检测方法


[0001]本专利技术属于天文观测和高轨目标探测识别的
，具体涉及一种光学图像高轨卫星目标检测方法。

技术介绍

[0002]随着人类航天活动日益增多,在轨工作航天器的数量显著增加,这不可避免地产生数以亿计的空间碎片,给卫星和航天器带来严重威胁。对地球轨道上空间目标进行精准识别,定位与跟踪,预测可能发生的碰撞,进而能够操控卫星躲避潜在的威胁。同时,对空间目标进行监视也是国家安全的重要保障。因此,对空间目标探测技术进行研究具有重要意义和价值。广电和无线电装备是空间目标探测监视的主要手段，其中光学设备波长短、接收目标自身辐射的电磁波，使其具有了分辨力高、探测距离远的优点，大口径光学望远镜是目前高轨目标探测监视的重要手段。
[0003]现有的天文观测方法主要通过帧间差法来对图像进行处理，帧间差法是一种通过对视频图像序列中相邻两帧作差分运算来获得运动目标轮廓的方法，它可以很好地适用于存在多个运动目标和摄像机移动的情况。当监控场景中出现异常物体运动时，帧与帧之间会出现较为明显的差别，两帧相减，得到两帧图像亮度差的绝对值，判断它是否大于阈值来分析视频或图像序列的运动特性，确定图像序列中有无物体运动。现有帧间差后的目标检测方法主要有光流法、霍夫变换法等，主要途径是通过帧间差去掉恒星目标背景的影响，后通过轨迹检测的方法进行高轨目标的寻找。
[0004]专利申请201910077291.7公开了一种多功能天文观测装置及控制方法，该装置包括通过导线连接的成像系统和控制及图像采集系统；成像系统包括沿光路依次排列的滤光片转轮、物面、前固定透镜组、变倍透镜组、后固定透镜组和EMCCD相机；控制及图像采集系统包括驱动装置、驱动控制器、位置采集模块、图像采集控制器和电源模块，位置采集模块、驱动控制器和驱动装置通过导线依次相连，电源模块通过导线分别连接驱动装置、驱动控制器、位置采集模块和图像采集控制器。
[0005]现有技术中的光流法只能用于星空背景固定的场景(或先进行星空图像对齐)，并且对大视场中的暗弱目标的检测能力较弱；霍夫变换方法首先通过图像对齐然后进行叠加后寻找叠加后图片中的卫星目标序列，由于传统霍夫变换检测直线的约束较强，因此对图像对齐的要求较高，否则容易造成目标漏检。

技术实现思路

[0006]为解决上述问题，本专利技术的首要目的在于提供一种光学图像高轨卫星目标检测方法，该方法能够使用基于密度聚类改进的霍夫变换方法，结合背景检测剔除、图像对齐、帧间差、光学目标形态检测等手段实现了复杂星空背景下的高轨目标检测，以解决现有的复杂暗弱目标能力检测弱、检测鲁棒性弱问题。
[0007]为实现上述目的，本专利技术的技术方案如下。
[0008]一种光学图像高轨卫星目标检测方法，该方法包括如下步骤：
[0009]101、去除恒星目标；
[0010]针对高轨目标星空背景的序列光学图像(大于3张)，首先对每张图片进行背景噪声估计和去除，后通过图像配准对齐算法将多张图像进行对齐，并使用帧间差方法去除恒星目标。
[0011]102、对疑似高轨目标进行形态识别，获取大小位置等信息；
[0012]去除恒星目标后，对剩余的疑似高轨目标进行形态识别，得到大小位置等信息。根据时标获取时间信息。
[0013]103、使用基于密度聚类改进的霍夫变换在位置和速度两个维度进行检测；
[0014]首先使用对提取出的疑似目标的位置信息(x,y)从0
°
开始到180
°
进行霍夫变换，在每个角度下得到霍夫空间下的(θ，ρ)，之后对所有点的(θ，ρ)进行基于密度的聚类，满足聚类条件并且判断所有点来自于序列中的不同帧图像时说明这些点在以聚类条件为边界的一条直线上，继续判断这些点的运动速度(高轨目标在短时间内近似为匀速运动)，将速度信息(t,x,y)从从0
°
开始至180
°
进行霍夫变换(60
°
到120
°
用(t，x)进行，其余用(t，y)进行)得到这些点在每个角度下霍夫空间下的参数(θ1，ρ1)，并对每个速度霍夫变换角度下(θ1，ρ1)进行基于密度的聚类，此时满足聚类条件的点序列就同时满足近似直线、匀速运动的筛选条件，此类目标就是高轨卫星目标。
[0015]104、提取得到需要的高轨目标序列。
[0016]提取出轨迹和速度符合高轨目标特性的目标进行去重、合批后得到需要的高轨目标序列。
[0017]本专利技术对霍夫变换直线检测方法进行了改进，使用霍夫变换参数聚类的方法克服了传统霍夫变换检测线性程度要求高且不可控制的问题，同时，综合使用背景估计、帧间差分、形态学估计、改进的霍夫变换等方法实现了一种鲁棒性较强的高轨暗弱卫星目标识别方法。
附图说明
[0018]图1是本专利技术所实现的流程图。
[0019]图2是本专利技术高轨目标识别结果。
具体实施方式
[0020]为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。
[0021]图1所示，本专利技术所实现的高轨卫星图像目标检测方法，该方法包括如下步骤：
[0022]步骤1，光学图像获取；
[0023]针对高轨目标获取星空背景的序列光学图像，为了便于进行处理，图像的数量需要大于3张，且需要精确时标。
[0024]步骤2，噪声背景估计和去除，对每张图片进行背景噪声估计和去除，去除不良影响；
[0025]步骤3，图像对齐，通过图像配准对齐算法将多张图像进行对齐；
[0026]步骤4，帧间差分去除恒星目标，使用帧间差方法去除恒星目标。帧间差法为现有技术，在此不再赘述。
[0027]步骤5，目标形态学检测，去除恒星目标剩余的目标中，对剩余的疑似高轨目标进行形态识别，得到大小位置等信息。
[0028]步骤6，目标位置在不同角度下霍夫空间转换，使用对提取出的疑似目标的位置信息(x,y)在此时的位置霍夫变换角度(初始为0
°
)开始进行霍夫变换，得到霍夫空间下的(θ，ρ)；
[0029]步骤7，进行霍夫空间参数密度聚类，对所有点的(θ，ρ)进行基于密度的聚类。
[0030]步骤8、判断是否满足聚类门限，且来自不同的图像；满足聚类条件并且判断所有点来自于序列中的不同帧图像时说明这些点在以聚类条件为边界的一条直线上，这类点可能为高轨目标。
[0031]是则继续进行下一步，否则位置霍夫变换角度步进δ，返回步骤6，位置霍夫变换角度增加到180
°
时完成整个搜索过程。
[0032]步骤9，目标速度在不同角度下霍夫空间转换，将速度信息(t,x,y)在此时的速度霍夫变换角度(初始为0
°
)进行霍夫变换(60
°
到120
°
用(t，x本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种光学图像高轨卫星目标检测方法，其特征在于该方法包括如下步骤：101、去除恒星目标；对图像进行噪底估计，图像进行降噪，将系列图像对齐后使用帧间差法去除恒星目标。102、对疑似高轨目标进行形态识别，获取大小位置信息；去除恒星目标后，对剩余的疑似高轨目标进行形态识别，得到大小位置信息，根据图像时标获得时间信息；103、使用基于密度聚类改进的霍夫变换在位置和速度两个维度进行检测；首先对提取出的疑似目标的位置信息(x,y)从0
°
开始进行霍夫变换，得到每个目标此角度下霍夫空间中的(θ，ρ)，之后对所有点的(θ，ρ)进行基于密度的聚类，满足聚类条件并且判断所有点来自于序列中的不同帧图像时说明这些点在以聚类条件为边界的直线上，继续判断这些点的运动速度，将速度信息(t,x,y)从0
°
开始进行霍夫变换得到这些点的霍夫空间下的参数(θ1，ρ1)，并对(θ1，ρ1)进行基于密度的聚类；104、提取得到需要的高轨目标序列。2.如权利要求1所述的光学图像高轨卫星目标检测方法，其特征在于步骤101中，针对高轨目标星空背景的序列光学图像，对每张图片进行背景噪声估计和去除，后通过图像配准对齐算法将多张图像进行对齐，并使用帧间差方法去除恒星目标。3.如权利要求2所述的光学图像高轨卫星目标检测方法，其特征在于步骤103中，霍夫变换60
°
到120
°
用(t，x)进行，其余用(t，y)进行。4.如权利要求3所述的光学图像高轨卫星目标检测方法，其特征在于步骤104中，先对位置(x，y)以一定的步进δ到下一角度进行霍夫变换，直到180
°
；对满足位置筛选条件的目标进一步进行速度筛选，角度以一定的步进δ1到下一角度进行直到180
°
；对提取出轨迹和速度符合高轨目标特性的目标进行去重、合批后得到需要的高轨目标序列。5.如权利要求4所述的光学图像高轨卫星目标检测方法，其特征在于具体方法为：步骤1，光学图像获取，针对高轨目标获取星空背景的序列光学图像，图像的数量需要大于3张；步骤2，噪声背景估...

【专利技术属性】
技术研发人员：刘佳伟，达通航，
申请(专利权)人：刘佳伟，
类型：发明
国别省市：