面向视频测量机器人高噪声小视场星图的星点提取

星图识别提取是自动天文测量数据处理的关键环节.针对视频测量机器人拍摄的小视场星图具有高噪声的特性,提出了利用基于合理阈值分割的连通算法来处理此类星图;分析了4种不同星图的图形特征,对比了常见的星点提取算法对真实星图的识别效果;在定性定量分析的基础上,通过验证,得到了阈值分割下的连通算法要优于边缘检测和聚类算法的结论,并获得理想的星点提取效果.真实星空半仿真星图的室内试验表明:利用该算法可以准确可靠地计算恒星质心坐标,其水平和垂直方向均方根误差(RMSE)分别为0.025和0.021像素,可满足高精度的天文测量需求.

基于Kittler最小误差分割算法的小视场星图分割

小视场星图易受光照不均和噪声影响,常用阈值分割算法存在处理效果不佳或效率较低的不足.针对星图灰度的高斯分布特征,基于贝叶斯最小误差理论,提出利用Kittler最小误差分割算法处理小视场星图.以视频测量机器人为测量平台,以"优度法"、区域一致性、区域对比度和时间复杂度为评价指标,对比了常用的阈值分割算法和一维最大熵法,验证了Kittler算法在确保星图良好分割的同时,星图处理效率可以提高70%左右.基于半仿真星图和真实星图的室内试验表明,Kittler算法可以准确提取星点质心坐标,水平和垂直方向均方根误差分别为0.025像素和0.019像素;采用该算法的野外天文定位实测表明,经纬度内符合平均精度分别优于0.015 s和0.22″,外符合精度分别优于0.025 s和0.35″,可以满足一等天文测量的精度要求.