CN111402176B - 一种在轨实时去除aps星敏感器固定模式噪声的方法 - Google Patents

Abstract

本发明公开了一种可自适应调整噪声估计矩阵的在轨实时去除APS星敏感器固定模式噪声的方法，包括：步骤(1)、星图阈值分割、质心粗提取；步骤(2)、自适应调整估计矩阵大小；步骤(3)、星点固定噪声估计矩阵初始化；步骤(4)、固定噪声估计矩阵的更新；步骤(5)、去除固定噪声后的星点精确质心。该方法运用了根据星点像素周围像素估计固定模式噪声的手段，随着星点质心的移动更新固定噪声的估计值。解决了以往星敏感器固定模式噪声需要地面存储、维护以及在轨随时间失效的问题，实现了星敏感器固定模式噪声的在轨实时纠正，有效、快速。

Description

一种在轨实时去除APS星敏感器固定模式噪声的方法

技术领域

本发明涉及星敏感器图像预处理领域，具体涉及一种可自适应调整噪声估计矩阵的在轨实时去除APS星敏感器固定模式噪声的方法。

背景技术

星点是弱光目标，像素少，亮度低，因此光学探测器在星***中的应用中需要探测器具有高灵敏度和低噪声，其中探测器所带来的固定模式噪声、暗电流噪声以及读出噪声。在图像后期预处理时很难去除探测器所带来的噪声，这将会使得星点质心提取精度大大降低。因此去除固定噪声必要的。

而在传统的星敏感器中，采用地面维护重新校准的方法去除固定噪声：在地面上用探测器拍摄没有任何对象的图作为参考图并存储在星敏感器中，该参考图上包含了一定的固定噪声。将星图与参考图作减即可得到纠正后的星图。这种方法简单，但是需要地面维护设备以及占用星敏感器中的存储内存，并且固定噪声随着时间推移也会发生一定程度的改变，并不是位置一定的常数，因此传统方法随着时间，误差会越来越大。

Jena-Optronik发表的《Intelligent error correction method applied on anactive pixel sensor based star tracker》也是在轨实时去除APS星敏感器的固定模式噪声，但是只针对帧间质心朝同一方向移动且位移为1像素的情况提出了解决方案，并没有涉及到帧间质心位移方向多变、位移量超过1像素的情况，且没有涉及到自适应调整噪声估计矩阵的大小，而是直接设置噪声估计矩阵大小为7*7，星点矩阵大小为5*5，存在很大的弊端。综上所述，上述方法并未涉及到自适应调整噪声估计矩阵的在轨实时去除APS星敏感器固定模式噪声的方法。

发明内容

本发明要解决的技术问题为：针对目前星敏感器固定噪声去除问题，提出一种对星敏感器在轨进行实时去除固定噪声的方法，该方法同样适用于其他敏感器的固定噪声去除。

本发明采用的技术方案为：一种在轨实时去除APS星敏感器固定模式噪声的方法，该方法基于可自适应调整的噪声估计矩阵，该方法包括如下步骤：

步骤(1)、对星图进行阈值分割、连通域分析，根据星点区域S各个像素的位置信息计算出星点的粗质心，计算公式如下：

其中，S为星点区域，x(i,j)、y(i,j)分别为S区域中索引为(i,j)的像素在图像上的x、y坐标，N_S为S区域的像素总数，

为计算得到的星点粗质心横纵坐标；

步骤(2)、根据帧间质心的位移大小自适应调整噪声估计矩阵的大小：

其中，s为星点矩阵大小且s为固定值，一般取为5，该矩阵为方阵，Δ为帧间星点质心位移像素个数，n为噪声估计矩阵大小，该矩阵为方阵，当确定星点矩阵大小为s后，若帧间质心位移小于1像素，噪声估计矩阵的大小n则设置为s+2；若质心位移大于1像素小于2像素，n则设置为s+4；若质心位移大于2像素小于3像素，n则设置为s+6；

步骤(3)、根据步骤(1)得到的粗质心在星图上以质心

为中心取s*s区域为星点区域矩阵S，取n*n区域为固定噪声估计矩阵N；

开始N的初始化过程：

a、首先将图像上星点区域s*s以外n*n以内的数据存入N矩阵相应位置；

b、矩阵N中心s*s区域置为0；

c、每当处理下一帧星图，根据帧间星点质心位移情况，用当前帧的星点区域外层像素更新矩阵N，矩阵N会做相对应的位移；

d、直到矩阵N被填满，初始化结束；

步骤(4)、初始化矩阵N完成后可进行精确的去除固定噪声工作。随着星点质心的持续移动，继续更新矩阵N；

步骤(3)和步骤(4)中的矩阵N更新的具体过程：

a、如果帧间质心位移没有超过1个像素，即质心与上一帧相比在同一个像素内，此时更新N矩阵，只用更新外层数据，以0.5的权重将重复的数据即在图像上的位置一样的像素做加权平均，以保证估计数据的稳定真实性：

p₁＝0.5×I₁(i,j)

p_k+1＝0.5p_k+0.5I_k+1(i,j)

其中，I₁(i,j)是估计矩阵N在图像上首次取到位置为(i,j)的像素点，p₁是最终存入矩阵N中的数据，I_k+1(i,j)是矩阵N在图像上第k+1次取到位置为(i,j)的像素，p_k+1是最终存入矩阵N中的数据，当图像上位置为(i,j)的像素消失在矩阵N中，下一次出现在矩阵N中视为首次出现；

b、如果质心位移超过1个像素，首先将矩阵N中心区域向相反方向移动同样像素；然后得到当前星点区域外层数据，同样的，如果有重复的数据做加权，再存入矩阵N中；

步骤(5)、计算去除固定噪声后的星点精确质心，用星点区域矩阵S减去估计矩阵N中心部分N_s×s即得到去除固定模式噪声后的星点区域矩阵

再对星点区域矩阵

做局部阈值化得到亮区域

根据带阈值的灰度质心法计算精确质心

其中，

为亮区域

像素总数，x(i,j)、y(i,j)为

中的像素在图像上的x、y坐标，I(i,j)为

区域像素的灰度值，T为局部阈值，

为

区域像素总数。

本发明与现有技术相比的优点为：

本发明提出的去除固定噪声的方法是在轨实时纠正，不再通过地面维护重新校准，省去了昂贵的地面维护设备；在星敏感器中无需占用大量的内存存储参考图，并且只针对星点像素区域进行计算去除叠加的固定噪声，计算量小；同时，本方法实时估计得到的固定噪声相比传统方法在地面上所得到的固定噪声更加准确；可自适应调整的噪声估计矩阵更具有针对性，提高了星点固定模式噪声去除的准确性。

附图说明

图1为本发明一种在轨实时去除APS星敏感器固定模式噪声的方法基本流程图；

图2为方法所用矩阵示意图；

图3为方法初始化过程示意图；

图4为方法过程示意图；

图5为方法框架示意图。

具体实施方式

下面结合附图以及具体实施例对本发明方法进一步说明。

本发明一种在轨实时去除APS星敏感器固定模式噪声的方法具体流程如图1所示。

如图2所示，S为以星点质心为中心的5*5(即s＝5)星点像素矩阵，为了存放星点周围像素我们设定N为以星点质心为中心的7*7(即n＝7)固定噪声估计矩阵，

为计算得到的星点粗质心：

图2中，设星点质心为(x,y)，根据星图中S***一层的像素得到一个估计矩阵N。如果是较为慢速的星移动，星点质心下一帧仍然位于(x,y)内，将此时S周围像素与N中元素做加权平均，得到对应于当前帧的新的N矩阵，对于这种位于(x,y)星点重复计算的过程可以对其噪声进行更好的估计。每一帧星图中星点都有对应的S与N，N的核心5*5矩阵是对应于S的纠正矩阵，即

可得到纠正后的星点区域，有效的去除固定噪声对质心提取的影响，再进行精确的质心提取。

如图3所示，为算法的初始化过程示意图。以星点质心向右移动为例，在星点质心最开始移动的过程中得到一个完整的估计矩阵N的过程为算法的初始化过程，得到完整的估计矩阵后，只需根据当前帧星点周围像素更新N即可。假设星点质心向右移动，如最左图所示，由第1帧图中质心为(x,y)的星点周围像素得到估计矩阵N0，N0中心置为0。当星点质心向右移动1个像素，当前帧星点S1矩阵的最右列与N0矩阵的最右列重合，即N0的第7列为S1第5列的固定噪声估计，因此得到N1。此时可由

对S1中叠加的固定噪声进行一定的纠正。以此类推，当星点质心向右移动5个像素时，得到了一个完整的估计矩阵N5。初始化过程也到此结束。整个星点矩阵S5都可以利用N5进行纠正，即

自此，质心每向右移动一个像素只需根据当前帧星点周围像素更新N矩阵即可。

如图4所示，算法可根据星点质心位移特征对N矩阵进行更新，由上述描述可知，初始化后，N矩阵是完整的噪声估计。此后只需每次根据星点周围像素更新即可。假设N0为此后某一时刻的估计矩阵。如图4中a所示，星点质心(x,y)向右移动一个像素到(x+1,y)，如上文所述，得到N0，此处不再赘述。如图4中b所示，星点质心继续移动，提取到的星点质心为(x+2,y-2)，相比上一次的移动，质心并不是一个直线运动，此时我们对比当前帧的质心与上一次的质心，根据位移特征对N1进行位移再根据星点周围像素最终得到N2。

去除固定噪声后的星点精确质心。用星点区域矩阵S减去估计矩阵N中心部分即得到去除固定模式噪声后的星点区域矩阵

再对星点区域矩阵

做局部阈值化得到亮区域

根据带阈值的灰度质心法计算精确质心

其中，

为亮区域

像素总数，x(i,j)、y(i,j)为

中的像素在图像上的x、y坐标，I(i,j)为

区域像素的灰度值，T为局部阈值，

为

区域像素总数。

本发明未详述部分属于本技术领域的公知技术。以上所述仅为本发明的具体实例而已，并不用于以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (1)

1.一种在轨实时去除APS星敏感器固定模式噪声的方法，其特征在于：该方法基于可自适应调的整噪声估计矩阵，该方法包括如下步骤：

步骤(1)、对星图进行阈值分割、连通域分析，根据星点区域S各个像素的位置信息计算出星点的粗质心，计算公式如下：

其中，S为星点区域，x(i,j)、y(i,j)分别为S区域中索引为(i,j)的像素在图像上的x、y坐标，N_S为S区域的像素总数，

为计算得到的星点粗质心横纵坐标；

步骤(2)、根据帧间质心的位移大小自适应调整噪声估计矩阵的大小：

其中，s为星点矩阵大小且s为固定值，取为5，该矩阵为方阵，Δ为帧间星点质心位移像素个数，n为噪声估计矩阵大小，该矩阵为方阵，当确定星点矩阵大小为s后，若帧间质心位移小于1像素，噪声估计矩阵的大小n则设置为s+2；若质心位移大于1像素小于2像素，n则设置为s+4；若质心位移大于2像素小于3像素，n则设置为s+6；

步骤(3)、根据步骤(1)得到的粗质心在星图上以质心

为中心取s*s区域为星点区域矩阵S，取n*n区域为固定噪声估计矩阵N；

开始N的初始化过程：

a、首先将图像上星点区域s*s以外n*n以内的数据存入N矩阵相应位置；

b、矩阵N中心s*s区域置为0；

c、每当处理下一帧星图，根据帧间星点质心位移情况，用当前帧的星点区域外层像素更新矩阵N，矩阵N会做相对应的位移；

d、直到矩阵N被填满，初始化结束；

步骤(4)、初始化矩阵N完成后可进行精确的去除固定噪声工作，随着星点质心的持续移动，继续更新矩阵N；

步骤(3)和步骤(4)中的矩阵N更新的具体过程：

a、如果帧间质心位移没有超过1个像素，即质心与上一帧相比在同一个像素内，此时更新N矩阵，只需更新外层数据，以0.5的权重将重复的数据，即在图像上的位置一样的像素，做加权平均，以保证估计数据的稳定真实性：

p₁＝0.5×I₁(i,j)

p_k+1＝0.5p_k+0.5I_k+1(i,j)

其中，I₁(i,j)是估计矩阵N在图像上首次取到位置为(i,j)的像素点，p₁是最终存入矩阵N中的数据，I_k+1(i,j)是矩阵N在图像上第k+1次取到位置为(i,j)的像素，p_k+1是最终存入矩阵N中的数据，当图像上位置为(i,j)的像素消失在矩阵N中，下一次出现在矩阵N中视为首次出现；

b、如果质心位移超过1个像素，首先将矩阵N中心区域向相反方向移动同样像素；然后得到当前星点区域外层数据，同样的，如果有重复的数据做加权，再存入矩阵N中；

步骤(5)、计算去除固定噪声后的星点精确质心，用星点区域矩阵S减去估计矩阵N中心部分N_s×s即得到去除固定模式噪声后的星点区域矩阵

再对星点区域矩阵

做局部阈值化得到亮区域

根据带阈值的灰度质心法计算精确质心

其中，

为亮区域

像素总数，x(i,j)、y(i,j)为

中的像素在图像上的x、y坐标，I(i,j)为

区域像素的灰度值，T为局部阈值，

为

区域像素总数。

Images