为了提高星图识别算法的抗噪性能, 提出一种基于逆向传播(Back Propagation, BP)网络的识别算法。该算法通过将星图转换成“0”、“1”和“2”的网格矩阵, 提取行列数值和星数形成匹配向量, 利用多个BP识别子网进行训练完成匹配识别。通过仿真试验得出以下结论: 对星等位置和星等添加噪声, 当位置噪声标准偏差为2像素时, BP网络算法的识别率和识别时间相对传统栅格算法分别提高2%和60ms, 对噪声有较强抗干扰能力, 表明BP网络算法具有更快的识别速度。
星图识别算法 栅格算法 BP网络 网格矩阵 识别子网 star identification algorithm gird algorithm BP neural network grid matrix identification subnet
1 哈尔滨工程大学自动化学院， 黑龙江 哈尔滨 150001
2 哈尔滨商业大学计算机与信息工程学院， 黑龙江 哈尔滨 150028
星图识别算法的关键是识别效率高、花费时间短。过去的几十年里，人们致力于建设搜寻数据库的方法，而且确实找到了大量的搜寻方法。为了减少星图数据库的搜寻时间，提出了一种将不同恒星星等分层分类的新技术。同时，采用这种准确快速的搜寻方法提出了全新智能快速星识别算法。基于台式机的仿真结果显示这种星识别方法和数据库搜寻方法具有较高的准确性和效率。通过数据库搜寻星特征的时间复杂度为0(n)。除此以外，因为星图像的质量决定了星图识别算法准确性的改进，因此提出一种模糊边缘检测技术来解决图像的预处理问题，这种方法对于噪声消除、星特征提取、数据库建设和匹配有重要意义。
图像处理 星识别算法 特征提取 边缘检测 噪声消除 中国激光
2012, 39(s1): s109006
哈尔滨工业大学 空间控制与惯性技术研究中心,黑龙江 哈尔滨 150001
提出了一种自主预测视场内未知恒星星像质心算法。该算法采用星跟踪算法来提取视场内已知恒星星像坐标。根据已知恒星信息从主星表中搜索视场内所有未知恒星,并采用这些信息预测所有未知恒星的理想像平面中心,从以这些预测的理想坐标为中心的范围内提取相应的实际星像坐标。同时采用已知恒星来验证未知恒星星像坐标。最后,对该算法进行了外场观星测试。实验结果表明:该方法提取未知恒星星像坐标时,扫描星图的像元只有局部提取星像算法的0.12%,所以进一步提高了数据更新率。
星敏感器 星图识别 星跟踪算法 星像质心 star sensor star identification algorithm star tracking algorithm star centroiding
