为了提高复杂动态环境下精密稳像系统的质心定位精度,提出了一种基于生成对抗网络(GAN)的方法,以解决载体运动引起的星斑拖尾问题。传统的高斯模型先验方法对噪声敏感,盲反卷积方法采用简化模型估计模糊核,与真实值误差较大。所提方法结合了运动流图的运动方向和GAN的优化细节,将运动流图与模拟星点作为监督信号,采用端到端的形式复原星斑图,无需先验信息与迭代计算,并且可以抑制噪声。实验结果表明,相较于R-L方法,所提方法复原星斑后峰值信噪比提升了30.5%,质心定位精度提高了33.4%。

为提高动态环境下精细导星仪的质心定位精度,提出一种两步复原方法来解决因载体角运动和小幅度随机振动引起的星斑拖尾问题。根据模糊星斑两次快速傅里叶变换检测出的模糊核函数,采用约束最小二乘方滤波消除由载体角运动带来的星斑长拖尾。针对残余的载体小幅度随机振动导致的星斑模糊,将清晰星斑梯度分布先验作为正则约束对星斑粗复原结果进行迭代盲复原,并引入半二次优化算法求解非凸代价函数来提高迭代收敛速度。实验结果表明,在角速度为4000 μrad/s的动态环境下,复原后的星斑已接近于高斯分布,峰值信噪比相比逆滤波复原方法及R-L复原方法分别提高了61.9%、32.9%,质心定位误差分别减小了59.9%、43.4%。

为了提高动态条件下星光导航系统星斑质心定位精度, 本文提出了一种新的模糊星斑复原算法。首先, 分析了星斑图像退化模型, 得出了星斑质心定位精度与星斑信噪比呈正相关的关系。对于载体角运动和载体振动两个因素引起的模糊星斑复原过程分成粗级复原和精级复原两个步骤。接着分析了噪声对拉东(Radon)变换的影响, 提出基于灰度拉伸的改进Radon变换算法进行粗复原。最后, 根据清晰星斑的梯度分布稀疏先验正则化, 利用迭代盲复原算法对星斑进行精复原。仿真实验结果表明, 本文提出的两步模糊星斑复原算法较传统算法复原后星斑峰值信噪比(PSNR)提高30%, 质心定位精度提高55%。