提出了一种基于动态序列噪声模板的主动式像素传感器(APS)星图去噪方法。该方法利用短时静态背景噪声与随机噪声阈值构建动态序列噪声模板,实现了对APS星图数据的去噪处理。以ZY-3卫星的APS原始星图作为实验数据进行研究,结果表明所提方法能很好地剔除条带和边缘噪声。与传统去噪处理方法相比,所提方法的星图质心提取精度提升了约12.98″;与全局阈值分割法相比,所提方法的星图质心提取精度提升了约2.16″;与静态背景噪声方法相比,所提方法的星图质心提取精度提升了约9.64″。这充分表明所提方法可有效提升APS恒星质心定位精度,适用于事后姿态处理。

为了获得高精度、高更新率的抗噪声性能，对星敏感器星像提取环节进行了研究。首先，分析星图中星像灰度的分布特点，建立了判断某个像素是否与峰值像素归属同一星像的标准。然后，介绍了像元阵列分块方法和背景预测法。最后，结合星像的特点提出了以峰值点为种子点的区域生长准则。仿真实验结果表明，在不加噪声的情况下，提取出的星像与参考星图完全一致，用质心法得到的亚像素定位精度为0.028 2。在添加均值为20、标准差高达2.5的强高斯灰度噪声的情况下，提取率仍能达到86.11%，质心精度则下降到0.219 6 pixel。均匀性很差，信噪比低于4.9 dB的实拍星图实验结果也证明该方法有很强的星像提取能力和准确性，能够满足强噪声弱星像质心提取的强抗干扰能力的要求。

应用高斯点分布函数为数学模型, 提出了一种新的获取高精度恒星质心位置的方法。由于入射到星像点邻域内像元中的光子能量呈近高斯分布, 因此利用成像邻域内像元强度的比值, 将高斯点分布函数展开成为关于质心位置的多项式, 可将质心位置在x、y轴方向分别计算出来, 并利用从星图中提取出的多星对角距误差的统计值来间接验证提出的算法。试验结果表明, 该算法的定位精度达到1/33个像元, 相比一阶矩法提高了大约两倍, 表明该算法能够在不增加算法复杂度的前提下有效地提高质心的定位精度。对质心位置观测相机姿态精度的影响做了分析。结果表明, 提出的质心算法能够有效地提高观测相机的姿态定位精度。

针对严重噪音污染情况下星图的星点聚心问题，提出一种利用子窗口灰度分布判别全局背景阈值的聚心算法。根据星图特性在星图中随机选择一定数量和大小的子窗口，统计每个子窗口灰度分布并计算离散度，根据计算结果判断子窗口是否适合背景阈值计算，决定是否重新进行窗口选择，使得计算出的背景阈值能更真实的反映全局背景信息，并通过带阈值的质心平方加权算法进行星点聚心运算。仿真实验表明，算法具有较好性能和一定的抗干扰性。

介绍了星敏感器的基本组成及工作过程.对恒星检测所涉及的一些问题,如视场内可探测恒星平均数、星图处理、恒星像点位置确定等问题进行了研究和实际验证.