本研究以塔基（tukey）扩散模型与改善的PM（Perona-Malik）模型为基础，提出了一种基于正则化影响函数扩散模型的星图噪声滤波方法。该方法通过导数算子提取边界点集，利用图像中原始像素和噪声像素的空间分布特性对图像进行噪声滤波处理，并通过给定边界条件恢复图像边缘。由于避免了方差稳定（ＶＳ）变换，该方法可以直接处理高斯噪声。对普通图像和添加高斯噪声星图进行了仿真测试，并与普通扩散函数算法进行了比较。实验结果表明：提出的算法表现出了较好的噪声滤波能力，同时有效地保持了特征图像的边缘。相对于普通扩散函数算法其平均绝对误差降低，峰值信噪比平均提高。 正则化扩散函数星图去噪方法可以分为全局正则化方法和自适应正则化方法。全局正则化方法的方程采用二次型的标准化泛函，正则化参数和正则化算子是全局性的，即整幅图像只采用一个正则化参数和正则化算子。全局正则化方法对于边缘和噪声的惩罚是一样的，因此存在着平滑噪声和保持边缘的矛盾。 相对于全局正则化方法，自适应正则化方法在不同的局部区域能够选取不同的正则化参数和正则化约束，因而能够灵活的对边缘和噪声进行区别处理。其特别适用于CCD星敏感器拍摄的星图。 同时根据星图的特点,目标星提取实际上是一个图像分割的过程,这一过程可以分为两个部分将星体目标和背景分离开; 将单个星体目标与其他的星体目标分离开。可以达到星点提取目的。 (1)根据星图特点在PM扩散函数和基塔扩散函数基础上提出了一个新的扩散函数，使其更有利于星图去噪处理； (2)提出了通过导数算子设置阈值门限提取含噪图像的边界点集，并根据噪声点分布在图像中的不相关性进行剔除,根据图像中其他非噪声点的相关性恢复处理后的图像边界； (3)提出了将傅里叶变换相关图像识别引入星图识别，并根据星图的点状图像特性对识别方法进行了改进。解决了分区法子天区识别的平移和旋转识别的问题，从而极大提高识别效率，降低了误识别率； (4)提出一个高精度星点提取系统误差模型及基于误差模型的质心补偿星点提取算法。综合考虑影响星点位置提取系统误差的各个因素，包括像点高斯半径、像点的真实位置及采样窗口的大小，并建立系统误差与上述因素的近似解析表达式； (5)提出了将编制一个高精度的系统误差模型。在此基础上提出了高精度质心补偿星点提取算法，使补偿后 5 像元窗口质心提取残余系统误差小于2×10-4像元。仿真分析表明，使用该方法后，星点提取误差在1000个光电子时由质心法的1/50像元减小到近1/100像元。实验研究表明，该方法在不同像点大小及信噪比条件下精度均优于传统提取方法。该方法有效克服了传统星点质心误差标定补偿方法不能适应像点能量分布变化的情况，完全能够满足星敏感器在复杂空间环境条件下高精度姿态测量的要求。同时也适用于其他需要点状图像高精度质心提取的领域。

哈尔滨商业大学

该项目为储备库项目资源，暂无效益分析内容。