柯卫，王宏力，袁宇，崔祥祥，陆敬辉

（1.第二炮兵工程大学，西安710025；2.第二炮兵驻航天十院军代室，北京100854）

基于区域生长法的星图中星提取方法*

柯卫1，王宏力1，袁宇2，崔祥祥1，陆敬辉1

（1.第二炮兵工程大学，西安710025；2.第二炮兵驻航天十院军代室，北京100854）

针对扫描法和矢量法抗噪能力不强、提取精度不高的问题，结合低通滤波、背景差分和区域生长法，提出了一种改进的星图中星的提取方法。该方法在低通滤波完成背景预测的基础上，将原始星图与预测背景图进行背景差分，获得预处理后的星图，再根据星体目标具有较强相关性的特点，采用区域生长法对星体目标进行扫描，最后采用工程应用中比较成熟的平方加权质心法实现星体目标的提取。仿真结果表明，改进的星提取方法具有较强的抗噪能力和较高的提取精度。

星敏感器，星提取，低通滤波，背景差分，区域生长

0 引言

从CCD星敏感器拍摄的恒星图像中提取星体目标是进行星图识别和姿态确定的前提和基础，它不仅影响到星图识别的效率，更关系到姿态计算的精度［1］。因此，如何快速而准确地从星图中提取星体目标十分重要。目前，星提取的主要方法有扫描法和矢量法［2］。扫描法通常采用全局背景阈值或局部背景阈值对星体目标和背景进行分离，然后基于连通域［3］分析获得星体目标，但该方法计算较为复杂、提取效率不高。矢量法可以看作是扫描法的改进算法，通过引入2个整数矢量，仅需一次CCD扫描，就可以得到所有候选星的位置信息，但整数矢量存储的是所在行、列的灰度最大值，当某行（列）存在多个候选星点时，就会将目标星像误判为背景。当星图中包含较多噪声时，矢量法提取的星数会迅速达到上限，且容易提取到伪星。

1 星体目标成像特点分析

星敏感器以恒星为观测目标，拍摄的恒星可视为无穷远处具有一定光谱特性的点光源。由于星敏感器分辨率不可能无限制提高，工程中常采用散焦技术使星体目标分布在有限个像素上，通过细分定位［4］算法使星体目标定位精度达到亚像素级。采用散焦技术后，恒星在星敏感器光敏面上的像为分布在较暗背景上的点状光斑，其灰度反映了恒星的星等。一般星体目标灰度较高，星图背景灰度较低。星体目标灰度值近似成高斯分布，直径一般为3个～5个像素，且星体目标中心为灰度值最大的星体目标点。但星敏感器在工作过程中，不可避免要受到噪声等各种干扰因素［3］的影响，主要包括：①图像传感器的噪声，如光子散粒噪声、暗电流散粒噪声、固定模式噪声；②电子线路噪声，如芯片放大器噪声。这些噪声会导致星图背景的灰度值发生变化，并且会导致星图中形成一些伪星像。

2 星图预处理方法

实际观测的星图中有效信息量很少，主要包括星体目标点和暗星、噪声、脉冲等干扰形成的虚假目标点，其余大部分是星空背景［5］。在成像的星图中，星体目标点和噪声、脉冲等形成的虚假目标点同为高频分量，星空背景为低频分量。星空背景是大面积平缓变化的天空场景，像素之间有很强的相关性，占据了图像频域的低频分量。为了抑制星空背景和部分虚假目标点，提高后续星点目标扫描的效率，可以先对星图进行预处理。传统的预处理方法是采用全局阈值或者局部阈值的方法进行阈值分割［3］。要对星图进行分割，就涉及到阈值的选取。若阈值选取过高，则会将星体目标点误判为虚假目标点；若阈值选取过低，则会将过多的虚假目标点误判为候选星体目标点。并且，对星图进行预处理，既要达到抑制背景和低频噪声的目的，又要尽量保持星体目标的灰度。因此，要找到合适的阈值十分困难。本文根据星图的特点，采用低通滤波［6］和背景差分［7］相结合的方法对星图进行预处理，既能达到滤除星空背景和低频噪声形成的虚假目标点的目的，又能避免降低星点目标的灰度。

低通滤波公式为：

式（1）中，K（m，n）为5×5的低通卷积模板，其表达式为：

背景差分表达式为：

式（3）中，H（i，j）为背景差分后的图像；X（i，j）为原始星图；Y（i，j）为低通滤波预测的背景图像。

3 基于区域生长法的星点目标扫描

针对星图的特点和星图预处理的分析，将区域生长法［9］引入到星图中星的提取，用于星点目标扫描。区域生长法的基本思想是根据事先定义的相似性准则，将图像中满足相似性准则的像素或子区域聚合成更大区域的过程；基本方法是首先在需要分割的区域中找一个“种子”像素作为生长的起点，其次将种子像素周围邻域中与种子像素有相同或相似性质的像素合并到种子像素所在区域中，再以合并成的区域中的所有像素作为新的种子像素，继续上面的相似性判别与合并过程，直到最后没有满足相似性条件的像素可被合并进来为止。

本文提出的星点目标扫描过程如下：

（1）以2×2邻域为单位块，从左到右，从上到下扫描星图，记录各块内像素灰度值并求其平均值，将灰度平均值最大的块作为种子像素；

（2）从左到右，从上到下，依次扫描种子像素周围的像素，用种子像素灰度平均值减去相邻像素灰度值。若差值小于或等于阈值t1（阈值t1可根据精度要求设定），则跳到第（3）步；否则，剔除该像素，返回第（2）步。

（3）扫描该相邻像素上、下、左、右的像素（种子像素不用扫描），分别减去种子像素灰度平均值。若其绝对值全都小于等于阈值t1，则将该相邻像素合并到种子像素中，形成新的种子像素；否则，剔除该像素，返回第（2）步。

（4）重复第（2）步，直到没有像素满足相似性条件为止。当整幅星图都进行生长判断后，星体目标也被定位。

该方法流程图如下页图1所示。

4 星点目标质心提取

星体提取的最终目的是提取星体质心，由于平方加权质心法［2］在工程应用中比较成熟，因此，本文采用平方加权质心法提取星体目标的质心，计算公式如下：

图1 基于区域生长法的星提取方法的流程图

式（4）、式（5）中，P（i，j）为星体目标的灰度值，x，y为星像定位坐标。该算法突出了星像中心附近灰度值较大的像素对星像中心定位的影响，能够提高星体目标定位精度。

5 仿真结果及分析

为了验证本文算法的效果，采用MATLAB进行仿真，比较矢量法和本文算法的性能。星提取图像选用计算机模拟星图，模拟条件：视场大小8°×8°，CCD像元数为512×512，星表选用SKY2000为主星表，选用其中星等低于6.0的恒星，剔除其中的双星和变星，共4 908颗。理论上星点目标成像近似成高斯分布，因此，要产生模拟的星体目标点，需要按照式（6）所示二维高斯函数做灰度扩散，将星体目标点扩散到3～5个像素上，以模仿散焦的效果［10］。

式（6）中，I0为曝光时间内恒星投射到星敏感器光敏面的总能量，（x0，y0）为星像能量中心坐标，σ为高斯弥散半径，仿真中σ=0.5。实验中，星敏感器光轴指向赤经60°、赤纬40°，视场范围内包含7颗星。星图背景加上均值为0、方差为δ2的高斯白噪声。比较两种算法的提取结果（矢量法提取星像数上限设定为30），如表1所示：

从表1可以看出：随着噪声方差的增加，矢量法提取星数迅速达到上限30颗，提取了较多伪星，提取性能迅速下降，而本文算法仍能较好地提取星像，具有较强的抗噪能力。从提取速度来看，矢量法的速度更快一些；但从提取精度上看，当不给星图加背景噪声时，两算法提取精度相当，一旦给星图加上噪声，矢量法的提取精度迅速下降，而本文算法仍能保持较高的提取精度。

表1 本文算法与矢量法的比较

6 结束语

本文将低通滤波、背景差分和区域生长法运用到星体目标提取中，同时，用平方加权质心法对星体目标进行细分定位。区域生长法有很强的抗噪声和剔除暗星的能力，结合低通滤波对星图进行背景差分，可以提高提取的效率。平方加权质心法突出了具有较大灰度值星像的作用，具有较高的精度。

［1］Yang J，Liang B.A Novel Systematic Error Compensation Algorithm Based on Least Squares Support Vector Regression for Star Sensor Image Centroid Estimation［J］.Sensors，2011，11（8）：7341-7363.

［2］Mortari D，Romoli A.StarNavIII：a Three Fields of View Star Tracker［J］.IEEE on Aerospace Conference Proceeding，2002（1）：47-57.

［3］魏新国，张广军，江洁，等.星敏感器中星图图像的星体细分定位研究［J］.北京航空航天大学学报2003，38（9）：812-815.

［4］胡晓东，胡强.一种用于白天星敏感器的星点质心提取方法［J］.中国惯性技术学报，2014，40（4）：481-485.

［5］踪华，高晓颖，汪渤.一种三角形星图识别算法的改进与实现［C］//第33届中国控制会议论文集.西安：中国自动化学会控制理论专业委员会，2013：5182-5186.

［6］李俊山，李旭辉.数字图像处理［M］.北京：清华大学出版社，2006.

［7］王宵，辛云宠.红外小目标的模板提取及检测技术研究［J］.激光与红外，2013，42（7）：822-825.

［8］孟威.复杂背景自适应红外小目标检测［D］.杭州：浙江大学，2013.

［9］王海涌，费峥红，王新龙.基于高斯分布的星像点精确模拟及质心计算［J］.光学精密工程，2009，17（7）：1672-1677.

Method of Star Extraction from Star Image

KE Wei1，WANG Hong-li1，YUAN Yu2，CUI Xiang-xiang1，LU Jing-hui1
（1.The Second Artillery Engineering University，Xi’an 710025，China；
2.Military Delegate Office of the Second Artillery in China Aerospace Time Electronics CO，Beijing 100854，China）

To solve the problem that antinoise ability is not strong，extraction precision is not high for scanning technique and vector technique，an improved approach to star extraction from star image is proposed.The approach comprised of the low-pass filter，background difference and region growth algorithm.First，it uses a low-pass filter to predict the background.Then，using the origal star image minus the predicted background image to get the star image after pretreatment.At last，regional growth method is used to extract star object based on the characteristics that star objects have correlation.The simulation results show that the proposed method has strong antinoise ability and high precision.

starsensor，starextraction，low-passfilter，backgrounddifference，regiongrowth algorithm

TP391

A

1002-0640（2015）12-0067-03

2014-11-20

2015-01-12

陕西省自然科学基础研究计划基金资助项目（2014JM2-6107）

柯卫（1991-），男，湖北安陆人，硕士。研究方向：组合导航。