全天时天文导航图像是在大气层内白天的条件下拍摄,因此图像具有强背景,低信噪比等特点,传统星点提取算法对图像星点的提取效果较差。为提高星点识别率,提出一种较准确的全天时天文导航图像模拟方法,并基于模拟星图训练了一种可加入图像降采样结构的卷积神经网络,有效抑制了星图噪声,并提高了星点信噪比。实验结果表明:本文方法得到的峰值信噪比平均提高了11.28 dB;在效果相同的条件下,本文方法的平均处理时间仅为0.2 s,远少于传统神经网络方法的处理时间。利用真实星图对网络进行测试,发现本文方法对星点信噪比的提升效果较常用算法提升了88.9倍。

为了实现共平台的多个空间观测成像系统的空间配准, 对多个相机进行天文标定和姿态测量, 提出一种基于星图模拟的星图识别和姿态解算算法。首先, 建立共平台的多传感器天文观测模型, 并产生模拟星图, 将星点之间的特征转换为图像特征; 其次, 根据四边形对角线的共线不变性特征, 对相机观测星图和模拟星图进行特征匹配, 提取相机内参数的初始值; 然后, 利用星点坐标矩阵奇异值不变性, 自动匹配剩余星点并求解姿态矩阵的初始值; 最后, 对相机内参数和姿态矩阵进行非线性优化求解。实验结果表明, 在未精确标定光学系统内外参数的情况下, 星点正确识别率大于97.4%, 相机像元角分辨率为3.9"×3.4", 最后计算得出的投影误差低于1个像素, 满足多传感器空间观测系统空间配准的精度和鲁棒性要求。

针对船用星敏感器的仿真测试, 提出一种高精度实时星图模拟方法。建立了星图模拟计算模型, 并对非恒星要素的模拟方法进行分析。采用 Visual C++ 编程实现相关算法。给出典型星图模拟实例, 并与 Starry Night软件产生的星图进行比对。结果表明, 本文提出的方法能够对船用星敏感器各种运行场景下的星图进行模拟, 模拟要素完整、正确, 模拟精度与 Starry Night接近至亚像素级别, 每帧模拟星图生成时间约 24.8 ms。能够满足船用星敏感器高精度实时仿真测试要求。

为了实现星敏感器高斯灰度扩散模型的参数估计，设计了平行光管成像标定实验及相关算法。基于高斯规律建立并求解了以高斯扩散半径和像点质心坐标偏差为变量的方程组，进一步求得灰度能量系数；在3个不同平行光源方位拍摄图像，利用图像灰度数据计算模型参数的系列测量值，分别取均值作为其估计值；建立实验验证方法，将3个估计参数代入模型模拟静态星像点，将模拟图像与存在噪声的实拍图像做相似度比较，3 pixel×3 pixel窗口内相似度高于0.97，5 pixel×5 pixel窗口内高于0.98，7 pixel×7 pixel窗口内高于0.98。结果表明，方程组求解得到的高斯扩散半径、像点质心偏差的值可信，推导公式正确。

提出了一种天基光电望远镜对空间多目标成像的模拟方法。首先由卫星轨道参数向量和三维矩阵变换得到卫星在地心赤道坐标系中的坐标矩阵，然后再通过平移、旋转和比例等变换得到卫星及恒星在望远镜中的坐标矩阵，最后即可得到总模拟图。设计了一种应用在天基光电望远镜上的空间多目标成像模拟数据库，并为数据库提供了几种基本的维护管理功能。给出了该数据库的基本设计方法和目标数据实例，提供了1000余颗卫星的相关轨道参数。计算机模拟了天基光电望远镜对空间多目标的成像。仿真结果表明，该方法可有效地模拟天基光电望远镜对空间多目标的成像。