基于区域检测的星上空间目标部件中心定位和测角方法技术

本发明专利技术公开了基于区域检测的星上空间目标部件中心定位和测角方法，涉及可见光信号处理技术领域。该方法包括：对图像进行平滑降噪和对比度增强等预处理，排除噪声和光照条件导致的成像质量低的影响；通过求邻域平均的方法获得图像的局部自适应阈值，实现前景与背景的分割；检测图像中的连通域并提取感兴趣区域，对其进行参数调整后的阈值分割、形态学开运算和闭运算，将各部件分开，得到各部件所在区域；通过形心提取算法获得各个部件的形心，利用其相对位置识别各部件。本发明专利技术充分考虑到了目标抵近过程中像素数逐渐递增导致的参数自适应问题，提高了形心检测的精度，实现了对空间面目标从远到近的自适应部件识别及中心定位方法。法。法。

【技术实现步骤摘要】
基于区域检测的星上空间目标部件中心定位和测角方法


[0001]本专利技术属于可见光图像处理领域，特别涉及基于区域检测的星上空间目标部件中心定位和测角方法。

技术介绍

[0002]随着航天技术的蓬勃发展，太空成为重要战略资源，航天强国开始重视各种空间活动。空间活动主要包括在轨服务、交会对接、空间目标监视、空间攻防、空间飞行器绕飞等，要执行这些空间任务，首先需要了解目标的形态特征，也就是测量目标飞行器相对于追踪飞行器的位置与姿态。光学成像系统能够提供高分辨率图像，展示丰富的纹理信息，研究者们可以通过视觉测量手段解决空间目标位姿测量等问题。视觉测量技术作为空间目标感知的一种有效手段，具备对空间目标各关键部件，如帆板、天线等的识别能力，近年来在该领域已经取得了很多研究成果。
[0003]现有较成熟的视觉测量方法主要是针对合作目标，即安装有专用视觉测量标志器的目标。美国的轨道快车、日本的ETS
‑
VII(engineering test satellite,工程实验卫星)等都在追踪星上安装了可见光相机，在目标飞行器上安装了用于测量的发光标志器作为目标识别与测量的标志。对于没有安装测量标志器的非合作目标，测量难度远大于合作目标位姿测量，如何在目标运动和空间结构未知的情况下精确获取目标的相对位置和姿态信息是主要难点。Inaba等假定目标模型已知，即目标飞行器外形、尺寸及质量等都已知，提出了一种对非合作目标的在轨识别与捕获方法。德国宇航中心正在开展的德国轨道服务任务重点研究非合作目标的识别、接近与捕获等技术，由于算法复杂度高，难以在卫星平台上实时处理，必须将空间的图片下传到地面服务器上运行，再将结果上传回卫星。这类方法受传输时延、传输可靠性影响，系统不稳定，无法完成全自动的在轨实时测量。徐文福等提出一种基于双目视觉的非合作飞行器相对位姿测量方法，该方法以太阳能帆板支架作为识别对象，极大地提高了测量自主性，但需要人机交互为追踪飞行器提供人工处理信息完成特征提取和位姿解算。徐培智等对该方法做出改进，测量目标更加具体化，并采用物理仿真进行验证，但该方法并未考虑姿态翻滚等测量条件。上述研究内容实时性与精确性有待提高。

技术实现思路

[0004]本专利技术所要解决的技术问题是：提供基于区域检测的星上空间目标部件中心定位和测角方法，充分利用了目标卫星的典型部件结构，用于抵近过程中的中心定位，实现对模型已知的非合作目标从远到近抵近过程中各部件的视线角测量。
[0005]本专利技术为解决上述技术问题采用以下技术方案：
[0006]本专利技术提出了基于区域检测的星上空间目标部件中心定位和测角方法，包括以下步骤：
[0007]S1、对空间目标观测图像进行降噪和对比度增强处理。
[0008]S2、计算局部自适应阈值，利用局部自适应阈值分割步骤S1处理后的图像中的初
始目标与背景。
[0009]S3、通过种子填充法，获得阈值分割图像中的各连通域。
[0010]S4、为防止图像中除了目标还有其他的区域，比如深空背景中的星星和地杂光，统计各连通域的面积，即具有同样标签的连通域所占像素数。设定整个图像面积的0.1％作为面积阈值，当连通域的面积小于该阈值时，则将该连通域内的像素置为黑色背景(灰度值为0)；采用闭运算，将目标区域连接为一个连通域，面积最大的连通域选为最终目标区域，去除非最大的区域。
[0011]S5、随着目标抵近，目标所占像素数增多，当像素数达到一定量级，各部件逐渐清晰，可通过形态学处理区分各部件。利用形态学处理区分各部件，当最终目标区域的面积小于设定的需要进行部件分割的面积阈值时，则将该最终目标区域的形心作为目标区域形心，将形心坐标转换为目标在相机坐标系下的方位角和俯仰角，完成目标中心定位和测角，反之则进行步骤S6。
[0012]S6、根据目标位于的连通域的边缘点集，利用最小面积法获得连通域的外接矩形，提取ROI图像块，并对其进行阈值分割。
[0013]S7、利用形态学开运算和闭运算，将各部件分开之间的连接断开并填充部件中的空洞，得到部件间各自独立的区域。
[0014]S8、对步骤S7所得的结果进行连通域检测，获取各部件所在区域，计算各区域的形心坐标，并根据各区域形心的相对位置识别帆板和本体。
[0015]S9、根据投影变换将各部件的形心坐标转换为视线角。
[0016]进一步的，步骤S1中，在图像的采集过程中，由于受到目标部件之间相互遮挡以及光照条件多变等因素的影响，经常会使场景的光照不均匀，主要表现为图像中亮的区域光线足够或者过强，而暗的区域照度不足，导致一些重要的细节信息无法凸显甚至被掩盖掉，严重影响了图像的视觉效果和应用价值，所以利用高斯滤波和自动伽马矫正，对空间目标观测图像进行降噪和对比度增强处理，具体步骤为：
[0017]S101、利用高斯滤波进行降噪处理时，以高斯分布取权重矩阵，利用该矩阵对空间目标观测图像进行卷积，输出的图像中每一个像素都取周边像素的加权平均值，完成高斯滤波；将权重矩阵的“中心点”作为原点，邻域内其他点按照高斯分布计算初始权重，二维高斯分布为：
[0018][0019]其中，σ是高斯分布的标准差，决定了平滑效果，即标准差越大平滑效果越明显。
[0020]得到高斯权重矩阵G后，将空间目标观测图像I与G进行卷积操作，具体公式为：
[0021][0022]其中，表示卷积运算，I
G
为卷积输出图像。
[0023]S102、对降噪后的图像，利用自动伽马矫正实现对比度增强。自动伽马矫正根据平均亮度自动调节伽马增强指数，伽马增强后的图像平均亮度应该向该参考值接近，通过以
下方式计算得到伽马增强指数：
[0024][0025]其中，γ表示伽马增强指数；RefAveBRT表示平均亮度；X表示归一化去噪后图像的平均值，采用Min
‑
Max归一化标准。
[0026]进一步的，步骤S2中，分割图像中初始目标和背景的具体内容为：
[0027]对输入图像当前像素点所在局部窗口内(2r+1)
×
(2r+1)个邻域像素求均值，乘以敏感度系数后的值作为当前像素点的分割阈值，窗口以步长为1移动，从上到下从左到右遍历图像计算所有像素的局部均值，即得到局部自适应阈值，具体公式如下：
[0028][0029]其中，(x,y)表示像素点的坐标位置；Thresh(x,y)表示像素点的分割阈值；T为敏感度，通过信息熵表示；I
E
是增强后图像；r是计算局部窗口的半径，半径尺寸影响阈值分割的效果。
[0030]尽量采用小的窗口尺寸，能尽可能多的保留目标信息，使检测的目标连通域能连成一体，从而根据该连通域边缘坐标提取ROI。高敏感度导致更多的像素归为前景，为了能够完整地分割出目标，本专利技术采用信息熵作为敏感度。图像信息熵从信息论的角度衡量图像中信息的多少，将信息熵作为敏感度，可根据图像中信息的多少自适应地确定分割阈值。该本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于区域检测的星上空间目标部件中心定位和测角方法，其特征在于，包括以下步骤：S1、对空间目标观测图像进行降噪和对比度增强处理；S2、计算局部自适应阈值，利用局部自适应阈值分割步骤S1处理后的图像中的初始目标与背景；S3、获得阈值分割图像中的各连通域；S4、统计各连通域的面积，当连通域的面积小于阈值时，则将该连通域内的像素置为黑色背景；采用闭运算，将目标区域连接为一个连通域，面积最大的连通域选为最终目标区域；S5、利用形态学处理区分各部件，当最终目标区域的面积小于设定的需要进行部件分割的面积阈值时，则将该最终目标区域的形心作为目标区域形心，完成目标中心定位和测角；反之则进行步骤S6；S6、根据目标位于连通域的边缘点集，获得连通域的外接矩形，提取ROI图像块，并对其进行阈值分割；S7、利用形态学开运算和闭运算，将各部件之间的连接断开并填充部件中的空洞，得到部件间各自独立的区域；S8、对步骤S7所得的结果进行连通域检测，获取各部件所在的区域，计算各区域的形心坐标，并根据各区域形心的相对位置识别帆板和本体，获得帆板和本体部件的形心坐标；S9、根据投影变换将各部件的形心坐标转换为视线角。2.根据权利要求1所述的基于区域检测的星上空间目标部件中心定位和测角方法，其特征在于，步骤S1中，利用高斯滤波和自动伽马矫正，对空间目标观测图像进行降噪和对比度增强处理，具体步骤为：S101、以高斯分布取权重矩阵，利用该矩阵对空间目标观测图像进行卷积，输出的图像中每一个像素都取周边像素的加权平均值，完成高斯滤波；将权重矩阵的“中心点”作为原点，邻域内其他点按照高斯分布计算初始权重，二维高斯分布为：其中，σ是高斯分布的标准差；得到高斯权重矩阵G后，将空间目标观测图像I与G进行卷积操作，具体公式为：其中，表示卷积运算，I
G
为卷积输出图像；S102、对降噪后的图像，利用自动伽马矫正实现对比度增强，根据平均亮度自动调节伽马增强指数，具体公式为：其中，γ表示伽马增强指数；RefAveBRT表示平均亮度；X表示归一化去噪后图像的平均
值，采用Min
‑
Max归一化标准。3.根据权利要求1所述的基于区域检测的星上空间目标部件中心定位和测角方法其特征在于，步骤S2中，分割图像中初始目标和背景的具体内容为：对输入图像当前像素点所在局部窗口内(2r+1)
×
(2r+1)个邻域像素求均值，乘以敏感度系数后的值作为当前像素点的分割阈值，窗口以步长为1移动，从上到下从左到右遍历图像计算所有像素的局部均值，即得到局部自适应阈值，具体公式如下：其中，(x,y)表示像素点的坐标位置；Thresh(x,y)表示像素点的局部自适应分割阈值；T为敏感度，通过信息熵表示；I
E
是增强后图像；r是计算局部窗口的半径；比较每个像素点的灰度值与计算得到的局部自适应阈值，当灰度值低于阈值时，则将该点置为黑色，归类为初始目标；反之将该点置为白色，归类为初始背景：其中，BW是阈值分割后的二值图像。4.根据权利要求1所述的基于区域检测的星上空间目标部件中心定位和测角方法，其特征在于，步骤S3中，利用种子填充法进行连通域检测的具体内容为：遍历图像，搜索像素不为0的点作为初始种子，并向其邻域搜索，相同灰度值的像素则标记为相同的连通域标签，持续在邻域搜索直到周围没有相同灰度值的像素时，则得到一个完整的连通域；按照同样的方法，针对其它的不在已搜索到的连通域中的种子继续搜索相应的连通域，直到检测出整幅图的所有连通...

【专利技术属性】
技术研发人员：汪玲，谢菲，郑淑娴，张翔，王波，刘寒寒，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：