孙剑明

（1.哈尔滨工程大学，哈尔滨 150001；2.哈尔滨商业大学，哈尔滨 150028）

0 引言

在本研究中，我们在模糊边界检测的基础上采用优化的高斯滤波器来进行噪音消除。为了提高这种方法的性能，我们也考虑其他星特征，如三颗亮度最大的星之间的角型区域，这个区域组成了一个像三角形星图识别的三角形。在三角形星图识别中，由于相似三角形而产生的相似匹配降低了识别的效率，延迟了识别进程。但提出的这种算法使用了智能和快速搜寻方法，可以解决这个问题。

1 图像预处理

1.1 噪音消除

在本研究中，我们采用优化的高斯滤波器来进行噪音消除。第一步是确定噪音点，因此我们采用模糊边界检测法来计算图像梯度。接下来我们计算边缘直方图的重心。为了计算重心，我们假定灰度值分别为g0，g1，…，gn。如果此时g0＜g1＜…＜gn并且噪音点的灰度值是gi，那么此噪音点的值为qi，则重心计算的公式如下：

图1 去噪过程图

这种处理是反复递推的过程，直到找到满意解。正如图1所示，噪音消除后，这种噪音点选择方法确实提高了图像的质量。

1.2 图像复原

一般人们采用Q阈值将星像分为黑和白两个等级，Q阈值是直方图的重心值。图像的背景也是两个等级中的一种。黑色区域和白色区域的重心值可以采用直方图计算：

计算Aw和Ab的目的是找到图像复原和降低直方图分散的标准方法。测定了背景图像后，直方图就汇集到Ab和Aw，这种方法的过程可以得到解释。

Aw和Ab的计算可以通过以下映射函数完成，然后图像会从空间域向模糊域转移。……