一种基于描绘辅助线的对于复杂背景下的星图识别方法

王润丰　樊桂花　张廷华

摘要：针对复杂背景下的星图识别率不高的问题，提出了一种基于描绘辅助线的方法进行星图识别，通过描绘星点间的辅助线，来增加星点间的纹理，使星图变成了一般图片识别可以检测到特征点的图片，从而使星图可以使用传统算法进行识别处理，并且不会使非星点部位的特征点信息丢失，解决了复杂背景下的星图识别问题。

[关键词]星图识别辅助线复杂背景

图像识别，是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对像的技术;特征点的检测和匹配，则是计算机视觉中非常重要的技术之一。在有纹理和明暗的图像中，特征点检测与匹配技术一般利用了图像的纹理信息构建特征方程而检测到图像的特征点的方式进行图像识别，经典算法有Sift，Surf，Orb等算法。而星图则有别于一般图像。星图是以恒星为观测目标所获得的星空图，有别于一般图像，他只有一系列的点的明暗，而没有纹理。直接使用经典算法会报错，因为使用传统算法会出现检测不到特征点的问题。针对星图的识别方法目前有很多种，近几十年来，国内外学者在星图识别算法方面进行了大量的研究，提出了很多星图识别算法。例如：三角形算法、各种改进三角形算法、金字塔算法、栅格算法、遗传算法和神经网络的算法等。但概括起来可以分为两大类，子图同构法和模式识别方法。前者以观测星图中星点为顶点，星角距作为边，构造匹配特征或特征组。后者通常由某一个恒星一定邻域范围内恒星的几何分布特征构造匹配特征或匹配组。而在实际用相机观测星空的时候，往往会发现实际观测时星空图有时不完全是没有纹理的亮点，比如有时会有月亮，有时会有极光，有时会观测到银河，还有时为了追踪目标，会拍到地面。这时就会对我们观测星空产生一定的干扰。而且极端情况如在特定背景下只能够观测到极少星点信息，这时如果使用三角形算法进行匹配识别则会因为星点太少而失败，而直接使用传统算法的话如在处理只含有稀疏星点的图像的时候则会导致匹配失败，从而导致无法连续的对所拍摄的视频进行识别处理。为了解决在复杂背景下使星图图像匹配，使之达到较理想的方式，本文提出了一种基于描绘辅助线的方式来进行星图识别，通过在稀疏星点之间描绘辅助线，从而增加稀疏星点区域的纹理信息，进而使该区域可以使用经典算法来检测特征点，而达到星图识别的目的。

1基于描绘辅助线的星图识别方法

1.1星点质心提取

对星图进行星点提取，实际上是点状图像定位技术的应用，是数字图像处理技术的一个重要内容。星点提取包括星点和背景分离、星点之间的分离、质心定位等处理过程。提取星点质心的方法有很多种，包括基于质心中心的双正交小波变换法、交叉投影星点提取算法、高斯曲面拟合的质心提取方法;基于灰度的星点定位代表方法为质心法，质心法包括传统质心法、带阈值的质心法和平方加权质心法等。其中，高斯曲面拟合法，从星图成像原理出发，利用高斯函数模拟成像过程的扩展函数模糊效应（PSF），进而进行目标中心定位，该方法是一种较为精确的目标中心定位算法，同时具有较高的稳定性，是目前最为常用的目标质心提取算法。

采用高斯曲面拟合方法确定星点质心的前提是：星点在图像中有较亮的斑点，受传感器的硬件限制、成像特性以及大气的干扰等，成像过程具有PSF模糊效应。受PSF模糊的影响，目标表现出从中心四周灰度逐渐降低的弥散效应，如图1（a），（b）所示：受成像传感器及成像条件的影响，点目标在图像中表现为从中心向四周灰度逐渐降低的斑点，图中红色斑点为目标位置。高斯曲面拟合方法将成像过程的PSF使用高斯函数拟合，假定f（x，y）为图像1中位于（x，y）的亮度值，（xo，Yo）为目标中心，则目标的弥散处的像元亮度可用如下模型表示：

式中A为固定系数，可认为等于目标中心亮度值;σ为高斯函数均方差，由成像条件和参数决定，影响PSF模糊效应的程度。利用高斯曲面拟合的方法确定目标质心的过程就是利用目标及其周围像素通过（1）式分别求解。A、σ以及（xo，yo）。因此至少需要4个目标像素才可求解，一般而言，目标及其弥散的周围像素多于4个，此时采用最小二乘法求取使得均方误差最小的参数。最终（xo，Y）就是目标的质心。高斯曲面拟合方法求解目标质心比其他方法具有更高的精度，并且可以定位至亚像素精度。

1.2星间辅助线描绘

先描述辅助线的绘制方法，然后给出结果图。首先复制一份星图来处理星点信息。

然后在这份星图中，通过前文提到的高斯曲面拟合方法确定出星点质心的具体位置（如图2所示）。

然后遍历星点，为了保持星图的尺度不变性，以每颗星的最小星间距的一个固定倍数为阈值，小于该距离的星点与该星进行辅助线的描绘。如图3所示。

在这里如果每两颗星之间都描绘辅助线虽然不用对每两颗星之间的距离进行排序，但这会产生一些问题在两幅图星点缺失的时候，描绘全图辅助线会影响到整幅图的纹理，从而使星图的匹配误差增大。所以，在这里我们采用局部星点辅助线的描绘。当然，如果在匹配的两幅图像确定尺度不变的情况下，也可以使用一个固定值（如该图像对角线的十分之一）用来作为绘制辅助线的阈值，这样可以提高程序的处理速度。

程序流程如图4。

1.3基于星间辅助线的星图匹配

利用绘制辅助线来增加星图的纹理后，便可利用辅助线的纹理使用典型的图像匹配算法來给查找星图的特征点，从而进行匹配。

这里采用OpenCV中提供的FLANN算法结合Surf算法进行特征点提取，最后根据劳氏算法（Lowesalgorithm）对特征点进行筛选，从而得到优秀的匹配点。由图6可见，各星位匹配情况良好，并且图片有星点的区域都找到了匹配点。

程序流程如图5。

这里，使用劳氏算法（Lowesalgorithm）进行优秀匹配点的选择的时候，通过改变系数可以决定匹配点的多与少，系数则可根据实际情况进行设置。

2实验验证

对拍摄到含有月亮及星云的复杂背景情况下的星图（图7），对其分别进行三角形匹配（图8）、不描绘辅助线的图像匹配（图9），和描绘辅助线的图像匹配（图10）。

如下图所示，在没有辅助线的情况下，直接使用Surf算法进行特征点匹配，得到的匹配点少，而且基本集中在月亮周围，星点周围基本没有检测出来特征点利用三角形算法，可基本将星点检测出来，但是月亮周围的细节没有检测出来特征点。而利用辅助线之后，由于增加了图片的纹理信息，使图像在星点及月亮周围均检测出了很多特征点，而且通过劳氏算法进行特征点筛选后，得到的匹配点多而整齐，说明匹配情况良好。表1是对三种星图匹配方法效果对比。

3结论

通过绘制辅助线的方式使本来没有纹理信息的星图可以通过常规的图像识别算法进行特征点检测与匹配，同时也解决了复杂候下的星图识别无法连续的问题，增加了星图处理的鲁棒性。对月亮背景的星图分别采用了不含辅助线的常规图像识别算法，三角形图像识别算法以及含有辅助线的图像识别算法进行星图匹配，可看出，使用含有辅助线的图像识别算法对该图像进行处理，在星点区检测到的特征点超过了三角形圖像识别算法检测到的特征点，在非星点区检测了与不绘制辅助线的常规图像识别算法一样多的特征点，并且匹配线均二平行，说明在复杂背景下，通过绘制辅助线的方式来进行星图识别，在星点区以及非星点区均能达到较好的匹配效果。

参考文献

[1]范经伟。快速星图识别算法设计与实现，硕士学位论文2017，02

[2]李春艳，谢华，李怀锋等。高精度星敏感器星点光斑质心算法[J].光电工程，2006（03）：41-44.

[3] School M S. Experimental demonstration of a star-fieldidentification algorithm. [J]. OpticsLetters， 1994， 33（33）： 1120-1124.

[4] Lee H，Bang H. Star PatternIdentification Technique byModified Grid Algorithm [J]. IEEETransactions on Aerospace & ElectronicSystems， 2007， 43（3）： 1112-1116.

[5] Hong J， Dickerson J A Neural-Network-Based Autonomous StarIdentification Algorithm [J]Journal of Guidance Control &Dynamics， 2012， 23（4）： 728-735.

[6] School MS .Star field identificationalgorithm： performance verificationusing simulated star fields[J]. Proc Spie， 1993， 2019： 275-290.

[7]张广军、魏新国、江洁.一种改进的三角形星图识别方法[J].航空学报，2006， 27（6）：1151-1154.

[8]Mortari D ， Samaan MA ，JunkinsJL. Los t-in-Space PyramidAlgorithm for Robust Star PatternRecognition[J]. 2001.

[9]魏新国，张广军，江洁.基于Log-Polar变换的星图识别方法[J]光学技术，2006，32（05）：678-681.

[10]Wang Guangjun， Fang Jancheng. High ，precision interpolation algorithmfor star pattern[J]. Journal ofBeijing University of Aeronauticsand Astronautics， 2005， 31 （5）： 566-569.

[11]Shortis M R，Clarke T A Short TComparison of some techniques for thesubpixel location of discrete targetimages [C]. SPIE， 1994， 2350： 239-250.