对星图识别算法的应用背景进行介绍, 就其优势进行了简述。重点对目前主流的三类星图识别算法进行了综述, 介绍了子图同构类算法、模式识别类算法以及人工智能类算法, 并进行了分析和比较;对星图识别算法研究的评估进行了说明;对星图识别算法的未来发展进行了展望, 提到了非可见光条件下的星图识别、高动态复杂环境下的星图识别和考虑气动光学效应的星图识别等相关未来的研究重点。

采用摄影测量方法对航天器天线面形进行在轨高精度测量，需对大视场角相机内外参数进行实时在轨标定。恒星可作为不变基准辅助在轨相机标定，但需对所拍星图中的星点进行识别得到其星点矢量信息。提出了一种针对大视场角相机所拍星图的快速识别方法：首先，结合标定结果的星图识别策略，提高匹配准确性；然后，基于四颗星星间角距的标签搜索匹配方法，将复杂度减小至线性，实现快速准确匹配；最后，基于反投误差分析的匹配检验方法，避免误识别。实测实验表明：对采集到的2000张星图进行识别，相比于传统三角形星图识别算法，所提方法兼顾了识别速度和识别率，识别率达到99.5%，识别时间减少75%，证明此方法合理有效，可节省存储空间，提高星图识别速度，提高星图识别率，具有很好的实用价值。

针对在DSP中实现全天区星图识别算法耗时长导致实时性差, 提出并实现了一种基于FPGA的星辐射模式下的全天区星图识别算法。该方法利用FPGA并行性、高主频等特性, 在保证算法高精度、高准确度的前提下, 解决了全天区星图识别耗时长的问题。首先, 根据星点信息构建星辐射模式; 其次, 基于FPGA实现了星辐射模式下对应特征向量的计算; 最后, 提出了一种可预读、流水化的星辐射模式匹配算法, 极大地缩短了星辐射模式匹配的时间。在Xilinx公司的Xc7a75tfgg484-2平台上进行实验验证, 结果表明, 在相同时钟主频下, 基于FPGA的星图识别算法速度比基于DSP的算法速度快10.95倍以上, 而且在使用三组特征向量同时进行匹配时, 识别率超过99%。

新疆25 cm望远镜是一台小口径巡天望远镜，用于支撑地球同步轨道（GEO）监测任务。空间物体监测需要依靠快速的光学图像处理技术，采用天文定位方法得到空间物体的赤经-赤纬测量信息。新疆25 cm望远镜具有指向误差较大的问题，严重影响光学图像处理的成功率。本研究分析指向误差对天文定位中星图识别的影响，提出一种改进的以指向搜索为框架的快速星图识别方法，该方法能够自动适应指向误差带来的不利影响。利用新疆南山站25 cm望远镜的图像对该方法进行测试，达到预期效果，验证其有效性和稳定性。

星图识别算法是星敏感器中的关键技术,通过对观测恒星的识别实现对航天器的高精度姿态解算。现有的星图识别算法,通常需要选取最近的邻星作为起始星,从而过于依赖起始星的选取导致识别准确率不佳。因此,提出了一种基于动态夹角匹配的识别算法,使用邻星之间的夹角以及邻星与观测星之间的距离作为动态夹角特征,并借助该特征计算观测星与各个导航星之间的匹配度得分,最终将匹配度得分最高的导航星作为识别结果。仿真验证结果表明,该方法具有较高的识别率且对于噪声具有较强的鲁棒性。在对16200幅模拟星图的仿真实验中,该方法的识别率可达到99.80%,并在位置噪声、伪星以及星等噪声影响下均能保持97.00%以上的识别率。

星图识别的速度决定了姿态更新率。针对基于对数极坐标变换的星图识别算法的循环位移带来的耗时问题,提出了一种改进算法。首先寻找距离视场中心最近的星点来构造新的直角坐标系,并转换为极坐标,然后将星点坐标投影至距离轴,构造星模式的特征向量。由于极坐标变换在距离轴上具有旋转不变性,所以避免了循环位移带来的耗时问题。仿真表明,所提算法平均识别时间减少到传统算法的8.4%,受到位置噪声影响时的识别率下降趋势更小,受到伪星和缺星影响时的识别率依旧高于传统算法。由于受到噪声影响时星模式相较于由恒星构成的三角形模式改变较大,所提算法的识别成功率总体上仍会低于三角形识别算法。

随着星敏感器探测灵敏度的提高, 导航星表中恒星的数量急剧增加, 导致星图识别的识别速度和识别率降低。因此, 为了提高星图识别的识别速度和识别率, 文中在三角形算法的基础上提出了一种基于多特征匹配的快速星图识别算法。首先, 采用天球的内接正二十面体法对预处理后的星表进行分区。然后, 将特征三角形的边长以及外接圆和内切圆半径的乘积作为特征值构建导航特征库, 并根据后者的哈希函数对特征库进行分块。在识别的过程中, 利用观测三角形外接圆和内切圆半径乘积的哈希函数实现导航特征库子块的快速定位, 并在该子块内采用多特征匹配的方法得到观测三角形的识别结果, 最后根据该结果确定星敏感器视场所包含的天球子区域, 并在子区域内完成视场中其它导航星的识别。实验结果表明, 文中算法的识别性能与导航特征库的分块数有关, 在选择合适的分块数后, 与常用三角形算法相比, 算法在识别速度, 识别率以及对星等误差和假目标的鲁棒性等方面具有明显的优势, 算法的平均识别时间和识别率分别为17.161 ms和98.58%, 满足星敏感器对高识别速度和识别率的要求。

星图识别算法是星敏感器快速获得姿态信息的关键, 传统的星图识别算法, 例如三角形算法、多边形算法以及一些改进算法, 大多是以星对间的角距作为识别特征, 而星对角距的计算精度严重依赖于星敏感器相机的焦距f的校准精度。如果校准精度不够或者由于环境原因导致相机焦距有较大变化时, 这些基于星对角距的识别方法将无法正常工作, 本文提出了一种基于相似三角形的星图识别算法, 该算法利用观测星组成的三角形与CCD相机所成像点三角形相似来进行识别, 由于识别过程不需要焦距信息, 在焦距有较大变化时仍能正常工作。最后用蒙特卡罗方法进行了仿真验证, 结果表明该算法在引入较大焦距误差时识别率无明显变化, 其平均识别率为95.2%, 平均识别时间为5.3 ms, 而相同仿真实验条件下传统三角形算法的平均识别时间为7.6 ms, 在引入0.5 pixel的像面位置误差时该算法识别率为93.3%, 而传统三角形算法识别率仅为86.5%, 该算法较传统三角形算法在识别速度方面有一定优势, 同时对像面位置噪声的鲁棒性更好。