于动态序列噪声模板的主动式像素传感器星图去噪方法
1 引言
恒星敏感器(以下简称星敏感器)作为当前绝对姿态测量精度最高的仪器,其精度直接关系到当前主流测绘遥感卫星的几何定位精度[1-2]。国内关于星敏感器及其定姿技术的研究已有20余年,共经历三代发展,其中第三代主动式像素传感器(APS)星敏感器于2007年研制成功,已具备工程化应用水平[3-5]。基于图像传感器CMOS (Complementary Metal Oxide Semiconductor)的APS星敏感器,相较于图像传感器CCD(Charge Coupled Device)在体积、重量、功耗与抗辐射性能等方面具有明显优势,已搭载在多个卫星平台并用于姿态数据获取。从星敏感器的定姿原理来看,恒星质心提取精度是影响星敏感器定姿精度的关键因素之一[6-7]。由于像元器件、电流、外部环境噪声等影响,APS星敏感器获取的星图存在大量非均匀性系统噪声,从而影响恒星质心提取精度。因此,如何滤除星图图像中携带的噪声信息、提高恒星的质心定位精度,一直是当前国内外学者的研究重点[8-9]。目前,国内外关于星图噪声去除的研究已较为深入。APS星敏感器摄取星图中噪声的消除方法可以分为3类:1)传统图像处理方法[10-12],该方法将常用的均值滤波、中值滤波、高斯低通滤波和维纳滤波用于星图去噪,但星图中恒星目标呈点状分布,与噪声分布具有较高的相似性,传统图像去噪方法在去除噪声的同时也损失了恒星原始信息,具有明显的局限性;2)阈值分割法[13-14],以星图中各像元灰度值的均值加
综上所述,针对APS星敏感器成像的背景噪声相对稳定、相邻两帧星图同一探元背景灰度值变化相对较小的特点,本文提出一种基于动态序列噪声模板的APS星图去噪方法,以在去除噪声的同时保留星图的目标信息,从而提升目标恒星质心的定位精度。最后以资源三号下传的APS原始星图作为实验数据,提取不同方法去噪后的星图恒星质心,将匹配导航星计算的星对角距视为真值,将其与相应观测星计算的星对角距进行对比,以验证所提方法的可靠性与稳健性。
2 基于动态序列噪声模板的APS星图去噪
2.1 基本原理
短时间内太空环境、硬件及电流的微弱变化导致星图背景噪声既有一定的相关性,又存在微弱差异。星图中心区域与边缘区域的曝光强度不同,垂直方向上存在明显的条带,这些噪声一部分是由外界环境或者太阳光的影响引起的,一部分是由APS星敏感器的特殊集成结构引起的,但是连续星图间还存在着一些共性规律,如
APS星敏感器所采用的CMOS器件针对同一探元的响应比较稳定,连续多帧跨度较大的星图间对应像素的变化通常也在一个固定的阈值范围内,相邻星图之间,时间间隔更短,同一探元响应的变化则更小。因此结合星图自身噪声的性质,提出了一种基于动态序列噪声模板的APS星图去噪方法,其主要流程如
图 1. 多帧连续星图图像示意图。(a)第1帧;(b)第2帧;(c)第k帧
Fig. 1. Schematic of multi-frame continuous stellar image. (a) First frame; (b) second frame; (c) kth frame
2.2 动态背景噪声模板确定
1) 静态背景噪声模板确定
由于恒星光斑在星图中的直径约为3~5 pixel,依据星敏感器的参数及卫星飞行所引起的指向角角速度,初步判定恒星在星图中的移动速度。根据星敏感器的曝光频率,计算出移除星图中恒星所需要的星图数目,选取邻域内的若干帧星图即可完全滤去恒星光斑,从而得到稳定的静态背景噪声。
最后,用同样的方法与第3帧星图进行对比[
2) 动态背景噪声模板获取与去噪
将第1帧星图
式中:
最后,将第2帧星图的背景噪声
2.3 精度评价
从理论上看,导航星表任意两个恒星计算的星对角距与星图上对应观测星坐标计算的星对角距是相等的[16-17]。导航星表经过星表岁差、章动等改正后,误差精确到微角秒量级。利用观测星坐标计算的星对角距误差与质心提取精度紧密相关,而质心提取精度与质心提取方法、噪声滤除是否彻底有关,因此将导航星表中计算的星对角距视为理论真值,在质心提取方法不变的前提下,利用不同去噪方法提取的质心坐标计算观测星对角距,并将其与理论真值进行对比,从而评价去噪后星图质心的定位精度。星图恒星的质心坐标采用灰度加权法[18-19]进行提取,质心坐标(
式中:(
利用提取的恒星质心坐标计算观测星的星对角距,其计算公式为
式中:
3 实验与分析
3.1 实验数据
在国产APS星敏感器资源三号01星的平台上,星敏感器采用卷帘门的曝光方式。APS星敏感器相关的技术指标如
表 1. ZY-3 01/02星敏感器组件1(APS)参数
Table 1. Parameters of ZY-3 01/02 star stacker component 1 (APS)
|
3.2 实验分析
对资源三号01星多帧连续星图图像进行统计,可以发现除恒星区域像素坐标和灰度值发生变化外,各探测器背景响应基本一致,如图像明显呈现列条纹,但位置不变,整轨星图成像具有共性特征,如
图 4. 原始星图图像。(a)第1帧;(b)第55帧;(c)第124帧
Fig. 4. Original stellar images. (a) First frame; (b) 55th frame; (c) 124th frame
鉴于每帧星图影像的共性特点,实验设置随机噪声阈值
图 5. 背景噪声。(a)模板;(b)三维视图
Fig. 5. Background noise. (a) Template; (b) three-dimensional view
以资源三号01星第381轨的其中一帧星图为例,基于连续动态背景噪声模板的处理结果如
图 6. 星图去除噪声前后的对比。(a)去除噪声前; (b)去除噪声后
Fig. 6. Comparison of stellar images before and after denoising. (a) Before denoising; (b) after denoising
图 7. 局部放大图。(a)剔除噪声前; (b)剔除噪声后
Fig. 7. Partial enlargement images. (a) Before denoising; (b) after denoising
为了进一步说明所提出的基于动态序列背景噪声模板APS星图去噪方法的优势,实验通过传统的图像处理方法、全局阈值法、静态背景模板去噪法以及动态背景模板去噪方法对星图图像进行去噪,从而可以更客观、更准确地对算法进行评价,实验对比结果如
图 8. 多种去噪方法处理结果的对比。(a)高斯滤波;(b)全阈值方法;(c)静态背景模板; (d)所提方法
Fig. 8. Comparison of results of many denoising methods. (a) Gaussian filtering; (b) global threshold method; (c) static background template; (d) proposed method
从
为了对星图去噪方法的性能进行进一步分析,对星图去噪方法的精度进行评价与分析。通过采用经典的灰度加权一阶矩法(窗口大小为3×3)来提取恒星质心。以其中第一帧星图为例,给出经不同滤波方法后的质心坐标的提取结果及星对角距误差结果。
从
图 9. 第1帧星图实验结果。(a)提取的质心坐标;(b)星对角距误差
Fig. 9. Test results of first frame stellar image. (a) Extracted centroid coordinates; (b) star angular distance error
为了进一步分析恒星的星对角距误差随时间的变化情况,实验统计资源三号01星381轨124帧星图、8184对星对角距误差随时间的变化情况,对所有的星对角距进行排序,如
从
图 10. 星对角距的误差。(a)高斯滤波;(b)全局阈值分割法;(c)静态噪声模板;(d)动态背景噪声模板
Fig. 10. Star angular distance error. (a) Gaussian filtering; (b) global threshold segmentation; (c) static noise template; (d) dynamic background noise template
4 结论
针对传统星图去噪不彻底的问题,提出了一种基于动态序列噪声模板的APS星图去噪方法,以资源三号01星下传国产APS星图为例,对不同去噪方法进行实验分析,得出结论如下:1)通过对比剔除噪声前后的星图影像,可以看出背景噪声模板解决了原始星图灰度不均匀、条带噪声等问题;2)基于动态背景噪声模板处理后的星图影像,其星对角距误差的标准差较高斯滤波去噪方法、全局阈值分割法和静态背景噪声法的分别提升了12.98″、2.16″和9.64″,说明利用所提方法进行质心提取的精度得到了很大提高。
所提方法能根据外界环境及响应器件变化动态地估计星图背景噪声,使得去噪方法具有良好的稳定性与普适性,目前在资源三号应用系统中得到充分应用,后续可以在其他国产星图预处理中得到推广。
[3] 莫凡, 谢俊峰, 何昭宁, 等. 资源三号卫星原始姿态数据预处理方法探讨[J]. 测绘科学, 2016, 41(1): 127-132.
莫凡, 谢俊峰, 何昭宁, 等. 资源三号卫星原始姿态数据预处理方法探讨[J]. 测绘科学, 2016, 41(1): 127-132.
[4] Fei X, Nan C, Zheng Y, et al. A novel approach based on MEMS-gyro's data deep coupling for determining the centroid of star spot[J]. Mathematical Problems in Engineering, 2012, 2012: 403584.
Fei X, Nan C, Zheng Y, et al. A novel approach based on MEMS-gyro's data deep coupling for determining the centroid of star spot[J]. Mathematical Problems in Engineering, 2012, 2012: 403584.
[5] 李德仁, 王密. “资源三号”卫星在轨几何定标及精度评估[J]. 航天返回与遥感, 2012, 33(3): 1-6.
李德仁, 王密. “资源三号”卫星在轨几何定标及精度评估[J]. 航天返回与遥感, 2012, 33(3): 1-6.
[6] 刘宇, 戴东凯, 马丽衡, 等. 一种基于姿态关联帧的星敏感器标定方法[J]. 光学学报, 2017, 37(11): 1128003.
刘宇, 戴东凯, 马丽衡, 等. 一种基于姿态关联帧的星敏感器标定方法[J]. 光学学报, 2017, 37(11): 1128003.
[11] 王敏, 赵金宇, 陈涛, 等. 基于能量函数的极值中值滤波星图去噪算法[J]. 电子与信息学报, 2017, 39(6): 1387-1393.
王敏, 赵金宇, 陈涛, 等. 基于能量函数的极值中值滤波星图去噪算法[J]. 电子与信息学报, 2017, 39(6): 1387-1393.
[12] 南诺, 曹东晶, 张宏伟, 等. 一种基于时空相关性的星图降噪算法[J]. 航天返回与遥感, 2017, 38(1): 88-97.
南诺, 曹东晶, 张宏伟, 等. 一种基于时空相关性的星图降噪算法[J]. 航天返回与遥感, 2017, 38(1): 88-97.
[13] Katake AB. Modeling, image processing and attitude estimation of high speed star sensors[D]. Texas: Texas A&M University, 2009: 103- 104.
Katake AB. Modeling, image processing and attitude estimation of high speed star sensors[D]. Texas: Texas A&M University, 2009: 103- 104.
[14] 时春霖, 张超, 陈长远, 等. 测量机器人小视场星图一维最大熵星点图像分割算法[J]. 测绘学报, 2018, 47(4): 446-454.
时春霖, 张超, 陈长远, 等. 测量机器人小视场星图一维最大熵星点图像分割算法[J]. 测绘学报, 2018, 47(4): 446-454.
[15] 星图处理技术研究报告[R]. 图处理技术研究报告[R]. 中国航天科技集团有限公司第五研究院五零二所, 2015.
星图处理技术研究报告[R]. 图处理技术研究报告[R]. 中国航天科技集团有限公司第五研究院五零二所, 2015.
Star map processing technology research report[R]. No.502 Research Institute, No.5 Academy,tar map processing technology research report[R]. No.502 Research Institute, No.5 Academy,China Aerospace Science and Technology Corporation, 2015.
Star map processing technology research report[R]. No.502 Research Institute, No.5 Academy,tar map processing technology research report[R]. No.502 Research Institute, No.5 Academy,China Aerospace Science and Technology Corporation, 2015.
[17] 王敏, 赵金宇, 陈涛. 基于各向异性高斯曲面拟合的星点质心提取算法[J]. 光学学报, 2017, 37(5): 0515006.
王敏, 赵金宇, 陈涛. 基于各向异性高斯曲面拟合的星点质心提取算法[J]. 光学学报, 2017, 37(5): 0515006.
[18] 冯新星, 张丽艳, 叶南, 等. 二维高斯分布光斑中心快速提取算法研究[J]. 光学学报, 2012, 32(5): 0512002.
冯新星, 张丽艳, 叶南, 等. 二维高斯分布光斑中心快速提取算法研究[J]. 光学学报, 2012, 32(5): 0512002.
谢俊峰, 朱红, 李品, 莫凡, 李响. 于动态序列噪声模板的主动式像素传感器星图去噪方法[J]. 光学学报, 2019, 39(3): 0315006. Junfeng Xie, Hong Zhu, Pin Li, Fan Mo, Xiang Li. Stellar Image Denoising Method for Active Pixel Sensor Based on Dynamic Sequential Noise Template[J]. Acta Optica Sinica, 2019, 39(3): 0315006.