一种新的星图中星获取算法

提出一种新的星图中星获取算法——极值点法,利用最小二乘向量机(LSSVM)对原始星图的局部区域作灰度曲面最佳拟合,在拟合曲面上求解灰度极大值的像素点,获得星的中心点的初步位置。以初步位置为基础的星图像素聚类加速了星图中星的获取过程。以模拟星图中星的精确中心位置为参考,计算在不同噪声条件下测量位置与最近参考位置的距离平方倒数和的均值,优化 LSSVM 参数。为获得最佳星获取性能,卷积核为5×5像素的高斯LSSVM参数(σ2, γ)取(17,1.25)。该极值点法与矢量法相比,效率相当,但性能更好。

基于动态框搜索的星图中星点获取算法研究

分析星图中星点获取算法的具体流程,针对传统星体目标聚类方法的不足,提出了动态框搜索算法。首先采用固定像素框搜索区域最大灰度值点,然后以该点为中心,结合星图图像中真实星点的分布情况,采用大小可变的像素框进行星体目标聚类,最后采用加权质心法得到星点的中心位置。仿真实验表明,该算法能达到良好的效果。