为了对空间天文望远镜精细导星仪获得的星图完成识别, 提出一种层叠式自组织映射(SOM)神经网络算法模型, 将该模型在硬件中实现星特征矢量匹配算法。首先, 针对精细导星仪的特点详细介绍了导航星库的建立、星特征矢量的构建和筛选方法; 其次, 建立层叠式 SOM神经网络模型, 对其权值进行在线训练; 最后, 设计算法离线运行硬件电路并将其在 FPGA中实现。仿真与测试结果表明, 基于层叠式自组织神经网络的星图识别算法识别率高、抗噪声能力强、识别速度快。星点位置噪声为 0.648., 星等噪声为 0.18视星等条件下星图识别成功率在 80%以上, 新算法在 FPGA中运行速度是 PC机上传统三角形法的 100倍。对精细导星仪星图识别算法的优化设计提供了合理可行的参考依据。

为了提高自动调焦算法的性能，对调焦评价函数和调焦搜索算法进行了研究。在分析人类视觉系统(HVS)特性研究成果的基础上，提出了一种基于HVS加权的小波调焦评价函数。根据视觉多通道特性和视觉敏感度带通特性，对不同方向、不同空间频带的小波高频系数分别赋予不同的权值。为了克服爬山法搜索速度慢的缺点，提出了一种基于SOM神经网络的搜索算法，采用训练完成的SOM神经网络预测镜头的最佳聚焦位置。实验结果表明，提出的小波调焦评价函数得到了比传统小波调焦评价函数更优的调焦特性曲线;采用本文的搜索算法平均仅需要采集处理73幅图像就能找到最佳聚焦位置，与基于全搜索的爬山法相比，节省了大量的搜索时间。说明提出的调焦方法不但可以得到符合人眼视觉的调焦效果，还可以实现快速自动调焦。