主权项 |
1.一种空间目标星象质心定位方法,其特征在于包括下述步骤:(a)对图像大小为m×n的全局图像计算背景均值mean和标准差var:<maths num="0001"><![CDATA[<math><mrow><mi>mean</mi><mo>=</mo><mfrac><mn>1</mn><mrow><mi>m</mi><mo>×</mo><mi>n</mi></mrow></mfrac><munderover><mi>Σ</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>m</mi></munderover><munderover><mi>Σ</mi><mrow><mi>j</mi><mo>=</mo><mn>1</mn></mrow><mi>n</mi></munderover><mi>I</mi><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>1</mn><mo>)</mo></mrow></mrow></math>]]></maths><maths num="0002"><![CDATA[<math><mrow><msup><mi>var</mi><mn>2</mn></msup><mo>=</mo><mfrac><mn>1</mn><mrow><mi>m</mi><mo>×</mo><mi>n</mi></mrow></mfrac><munderover><mi>Σ</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>m</mi></munderover><munderover><mi>Σ</mi><mrow><mi>j</mi><mo>=</mo><mn>1</mn></mrow><mi>n</mi></munderover><msup><mrow><mo>(</mo><mi>I</mi><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow><mo>-</mo><mi>mean</mi><mo>)</mo></mrow><mn>2</mn></msup><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>2</mn><mo>)</mo></mrow></mrow></math>]]></maths>式中,I(i,j)表示灰度值,通过给定经验值α,计算目标区域粗定位的二值化分割阈值Ths:Ths=mean+α×var (3)式中,m×n表示图像大小,m表示图像的行值,n表示图像的列值,mean表示输入信号的均值,var表示输入信号的标准差,α为给定的经验值,α=3,Ths表示目标区域粗定位的判定阈值;按照公式(4-9)计算粗定位的目标区域:<maths num="0003"><![CDATA[<math><mrow><mi>JointArea</mi><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow><mo>=</mo><mfenced open='{' close=''><mtable><mtr><mtd><mn>1</mn><mo>,</mo></mtd><mtd><mi>I</mi><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow><mo>≥</mo><mi>Ths</mi></mtd></mtr><mtr><mtd><mn>0</mn><mo>,</mo></mtd><mtd><mi>I</mi><mrow><mo>(</mo><mi>i</mi><mo>,</mo><mi>j</mi><mo>)</mo></mrow><mo><</mo><mi>Ths</mi></mtd></mtr></mtable></mfenced><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>4</mn><mo>)</mo></mrow></mrow></math>]]></maths>pos(i,j)=find(JointArea(i,j)) (5)pos_left=min(pos(:,1))-3 (6)pos_right=max(pos(:,1))+3 (7)pos_top=max(pos(:,2))-3 (8)pos_down=max(pos(:,2))+3 (9)式中,JointArea表示粗定位的目标区域,find(·)表示查找粗定位的目标区域的坐标位置,pos(i,j)表示find(·)查找到的目标有效区域的坐标位置,pos(:,1)表示pos(i,j)的第一列,pos(:,2)表示pos(i,j)的第二列,因此,pos_left和pos_right即为粗判定出的目标区域的左、右边界位置,pos_top和pos_down即为粗判定出的目标区域的上、下边界位置;(b)依据目标星象弥散斑的能量分布成像满足能量集中度为80%的成像机理,按照公式(10)计算目标区域的能量:<maths num="0004"><![CDATA[<math><mrow><mi>E</mi><mo>=</mo><munderover><mi>Σ</mi><mrow><mi>x</mi><mo>=</mo><mi>pos</mi><mo>_</mo><mi>left</mi></mrow><mrow><mi>pos</mi><mo>_</mo><mi>right</mi></mrow></munderover><munderover><mi>Σ</mi><mrow><mi>y</mi><mo>=</mo><mi>pos</mi><mo>_</mo><mi>top</mi></mrow><mrow><mi>pos</mi><mo>_</mo><mi>down</mi></mrow></munderover><mi>I</mi><msup><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mn>2</mn></msup><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>10</mn><mo>)</mo></mrow></mrow></math>]]></maths>式中,E表示计算的粗定位目标区域的能量值,x和y表示区域内的坐标,其中pos_left<x<pos_right,pos_top<y<pos_down;能量集中区域的提取需要同时满足公式(11)和公式(12)的条件,即当I(x,y)大于阈值Ths′时,计算其能量,需要满足能量大于总能量的η倍,若不满足,需要重新调整Ths′的值,直到同时满足这两个条件;<maths num="0005"><![CDATA[<math><mrow><mi>I</mi><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>=</mo><mfenced open='{' close=''><mtable><mtr><mtd><mn>1</mn><mo>,</mo></mtd><mtd><mi>I</mi><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>≥</mo><msup><mi>Ths</mi><mo>′</mo></msup><mo></mo></mtd></mtr><mtr><mtd><mn>0</mn><mo>,</mo></mtd><mtd><mi>I</mi><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo><</mo><msup><mi>Ths</mi><mo>′</mo></msup></mtd></mtr></mtable></mfenced><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>11</mn><mo>)</mo></mrow></mrow></math>]]></maths><maths num="0006"><![CDATA[<math><mrow><munderover><mi>Σ</mi><mrow><mi>x</mi><mo>=</mo><mi>pos</mi><mo>_</mo><mi>left</mi></mrow><mrow><mi>pos</mi><mo>_</mo><mi>right</mi></mrow></munderover><munderover><mi>Σ</mi><mrow><mi>y</mi><mo>=</mo><mi>pos</mi><mo>_</mo><mi>top</mi></mrow><mrow><mi>pos</mi><mo>_</mo><mi>down</mi></mrow></munderover><mi>I</mi><msup><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mn>2</mn></msup><mo>≥</mo><mi>ηE</mi><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>12</mn><mo>)</mo></mrow></mrow></math>]]></maths>式中,η表示CCD相机弥散斑能量集中度,η=80%;Ths′表示满足能量集中度后新的判定阈值;(c)依据能量集中获取的新的目标分割判定阈值Ths′,对目标星象进行二值化分割,得到目标星象的二值化图StarArea:<maths num="0007"><![CDATA[<math><mrow><mi>StarArea</mi><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>=</mo><mfenced open='{' close=''><mtable><mtr><mtd><mn>1</mn><mo>,</mo></mtd><mtd><mi>I</mi><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>≥</mo><msup><mi>Ths</mi><mo>′</mo></msup><mo></mo></mtd></mtr><mtr><mtd><mn>0</mn><mo>,</mo></mtd><mtd><mi>I</mi><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo><</mo><msup><mi>Ths</mi><mo>′</mo></msup></mtd></mtr></mtable></mfenced><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>13</mn><mo>)</mo></mrow></mrow></math>]]></maths>式中,StarArea表示精确分割后的星体目标的二值化分割图,其中1值表示该像元为目标星体,0值表示该像元为背景;(d)采用公式(14)对二值化图StarArea中值为1的像元进行灰度值修正:<maths num="0008"><![CDATA[<math><mrow><mfenced open='{' close=''><mtable><mtr><mtd><mi>I</mi><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>=</mo><mi>I</mi><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>-</mo><mi>Ths</mi><mo>,</mo></mtd><mtd><mi>StarArea</mi><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>=</mo><mn>1</mn></mtd></mtr><mtr><mtd><mi>I</mi><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>=</mo><mn>0</mn><mo>,</mo></mtd><mtd><mi>StarArea</mi><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mo>=</mo><mn>0</mn></mtd></mtr></mtable></mfenced><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>14</mn><mo>)</mo></mrow></mrow></math>]]></maths>利用修正后的灰度值,采用公式(15)计算得到空间目标星象的精确质心坐标位置<img file="FSB00000895609100025.GIF" wi="145" he="58" /><maths num="0009"><![CDATA[<math><mrow><mover><mi>x</mi><mo>^</mo></mover><mo>=</mo><mfrac><mrow><munderover><mi>Σ</mi><mrow><mi>x</mi><mo>=</mo><mi>pos</mi><mo>_</mo><mi>left</mi></mrow><mrow><mi>pos</mi><mo>_</mo><mi>right</mi></mrow></munderover><munderover><mi>Σ</mi><mrow><mi>y</mi><mo>=</mo><mi>pos</mi><mo>_</mo><mi>top</mi></mrow><mrow><mi>pos</mi><mo>_</mo><mi>down</mi></mrow></munderover><mi>x</mi><mo>×</mo><mi>I</mi><msup><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mn>2</mn></msup></mrow><mrow><munderover><mi>Σ</mi><mrow><mi>x</mi><mo>=</mo><mi>pos</mi><mo>_</mo><mi>left</mi></mrow><mrow><mi>pos</mi><mo>_</mo><mi>right</mi></mrow></munderover><munderover><mi>Σ</mi><mrow><mi>y</mi><mo>=</mo><mi>pos</mi><mo>_</mo><mi>top</mi></mrow><mrow><mi>pos</mi><mo>_</mo><mi>down</mi></mrow></munderover><mi>I</mi><msup><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mn>2</mn></msup></mrow></mfrac><mo>,</mo></mrow></math>]]></maths><maths num="0010"><![CDATA[<math><mrow><mover><mi>y</mi><mo>^</mo></mover><mo>=</mo><mfrac><mrow><munderover><mi>Σ</mi><mrow><mi>x</mi><mo>=</mo><mi>pos</mi><mo>_</mo><mi>left</mi></mrow><mrow><mi>pos</mi><mo>_</mo><mi>right</mi></mrow></munderover><munderover><mi>Σ</mi><mrow><mi>y</mi><mo>=</mo><mi>pos</mi><mo>_</mo><mi>top</mi></mrow><mrow><mi>pos</mi><mo>_</mo><mi>down</mi></mrow></munderover><mi>y</mi><mo>×</mo><mi>I</mi><msup><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mn>2</mn></msup></mrow><mrow><munderover><mi>Σ</mi><mrow><mi>x</mi><mo>=</mo><mi>pos</mi><mo>_</mo><mi>left</mi></mrow><mrow><mi>pos</mi><mo>_</mo><mi>right</mi></mrow></munderover><munderover><mi>Σ</mi><mrow><mi>y</mi><mo>=</mo><mi>pos</mi><mo>_</mo><mi>top</mi></mrow><mrow><mi>pos</mi><mo>_</mo><mi>down</mi></mrow></munderover><mi>I</mi><msup><mrow><mo>(</mo><mi>x</mi><mo>,</mo><mi>y</mi><mo>)</mo></mrow><mn>2</mn></msup></mrow></mfrac><mo>-</mo><mo>-</mo><mo>-</mo><mrow><mo>(</mo><mn>15</mn><mo>)</mo></mrow><mo>.</mo></mrow></math>]]></maths> |