基于字典学习的星空图像多帧超分辨融合方法

目的:研究一种针对星空图像的多帧超分辨融合方法。方法:首先通过字典学习构建基于星空样本的高低分辨率自适应学习字典对,对输入低分辨星空图像进行稀疏分解,根据稀疏分解系数和高分辨字典重构得到高分辨率星空图像;然后采用时序多帧融合去噪的方法,对高分辨率星空图像进行噪声消除,融合得到信噪比更高的高分辨率星空图像。结果:根据本文设定的无参考图像信噪比计算公式对超分辨融合效果进行评价,3组实验融合图像相较于基于字典学习的超分辨重建图像信噪比分别提升0.76,0.99,0.38。结论:本文提出的方法能够实现星空图像的多帧超分辨融合,并有效提升融合图像的信噪比。

星空运动小目标轨迹检测超时控制

针对天基观测星图的特点,分析了星空背景下运动小目标检测算法超时和虚警率过高的原因,引入并改进了MTI滤波器对序列星图进行处理,避免了恒星识别的繁重计算;改进了小目标关联算法结构,在精确度较高的情况下较大范围地提高了算法效率。实验结果表明,改进算法耗时大大减少,能够有效控制算法超时和虚警率过高的风险,满足天基观测星图运动小目标轨迹检测的工程实际需要。

空间观测图像弱小目标检测方法

空间观测的星空图像中,由于恒星距离较远在图像中仅占几个像素,且存在大量噪声,因此很多信噪比较低的弱小目标被淹没。在预处理环节应将其有效地检测出来,降低后续目标识别和跟踪的虚警率。首先对星空图像的噪声模型进行了分析,通过最小二乘拟合法得到图像背景参数。利用两次检验的方法,首先对目标进行第一次粗验,利用管道滤波的方法进行第二次确认,滤除噪声得到目标。最后通过能量累积的方法对原图像中弱小目标进行增强。仿真实验结果表明了算法的有效性。

16位星空背景图像噪声抑制方法

星空背景弱小目标观测图像的目标无任何形状、纹理及颜色信息,与恒星、噪声相似度高,抑制背景、消除噪声是最大限度保留目标信息的基础。从分析星空背景弱小目标观测图像的直方图特性出发,提出了不断舍弃高灰度区域、减小样本方差的方法估计星空背景参量,用此背景参数进行噪声抑制。实验证明,所提方法能够在复杂背景噪声和恒星的影响下,滤除大部分噪声,最大限度地保留和增强目标。

On the technologies of Hα imaging spectrograph for the CHASE mission

The Hα imaging spectrograph(HIS) is the scientific payload of the first solar space mission, the Chinese Hα solar explorer(CHASE), supported by the China National Space Administration(CNSA). The CHASE/HIS achieves, for the first time in space, Hα spectroscopic observations with high spectral and temporal resolutions. Separate channels for the raster scanning mode(RSM) and continuum imaging mode(CIM) are integrated into one, and a highly integrated design is achieved through multiple folding of the optical path and ultra-light miniaturized components. The design of HIS implements a number of key technologies such as high-precision scanning of the optical field of view(FOV), high-precision integrated manufacturing inspection, a large-tolerance pre-filter window, and full-link solar radiation calibration. The HIS instrument has a pixel spectral resolution of 0.024 ? and can complete a full-Sun scanning within 46 s.