中国指挥与控制学会会刊 
1 星图数据的研究
尽管星敏感器产品装调中的星图数据蕴含着丰富的产品质量信息和生产质量信息,但之前缺乏对星图数据的系统研究,没有形成量化的评价产品光机组件装调生产质量的方法,只能依赖操作人员的装调经验对星图图像的对称性、清晰度进行判读,其人为评价误差导致光机组件装调反复操作。而星敏感器产品测量精度一致性只能依靠后续外场观星测试环节确定结果,在外场观星阶段发现精度不达标往往会导致耗费大量人力物力进行光机组件的重复装调与标定,其评判结果一致性较差。因此,急需对星图数据进行研究,得出评价星图质量的量化指标。
1.1 星点图像建模
星点图像是恒星辐射信息经光学系统传递,在像面输出灰度信息的能量转换过程[8]。因此星点图上的灰度信息既可以表征星点分布特征,又可以反映星点能量特征。考虑星点图的实际特征,构建的特征模型如下:
(1)像斑大小(pxs_size):像斑大小即为星点图中每一个星点所占的像元数目。
(2)平均灰度(average_gray):平均灰度表示星点的灰度平均值,即星点占据像元的灰度值之和与星点占据的像元数的比值。
(3)灰度集中度(gray_con):灰度集中度表示星点内某一确定大小的同心像元区域的灰度和占星点灰度总和的百分比。
(4)信噪比(snr):信噪比为星图中星点目标的信号峰值与均方根误差的比值。
(1)中心点灰度极值;
(2)中心点灰度集中值;
(3)周对称系数场。
1.2 星点特征数据观测
作者分别以三个指标为轴绘制散点图,如图3所示,能够看出各产品不同视场的星点图指标数据具有一定的聚集性,相比标定数据也有更好的分辨力。
1.3 视场中心星点图灰度峰值与理论中心点的偏差建模
如图4所示,根据视场中心星点图的灰度峰值与理论中心点的偏差建模,其中偏差值计算公式为:a= 图像偏差值越小,则星图质量越好。
1.4 左、右星图与上、下星图对称性建模
如图5所示,基于左、右星图与上、下星图对称性建模,因为4项指标特征表征星点分布特征和能量特征,与具体的位置无关,则对称性比较可以转换为相似性比较。
左、上指标向量:a1=(像斑大小,平均灰度,灰度集中度,信噪比)=(x1,y1,z1,u1)
右、下指标向量:a2=(像斑大小,平均灰度,灰度集中度,信噪比)=(x2,y2,z2,u2)
左、右(上、下)相似性(向量内积):θ=arccos
图6 偏差值-左右相似性-上下相似性散点图Fig.6 The scatter diagram of deviation value, left-right similarity and up-down similarity |
2 星图数据的应用
2.1 图像量化评价标准确立
(1)全视场点目标像斑图像的灰度和的均方差graystd,表示图像M1~M4和M6~M9中星点能量的方差,计算方法为
$\ { graystd }=\frac{\sum_{i=1}^{i=4}\left(g_{i}-\ { graymean }\right)^{2}+\sum_{i=6}^{i=9}\left(g_{i}-\ { graymean }\right)^{2}}{8}$
(2)全视场点目标像斑图像灰度值的能量一致性graybias,表示图像M1~M9中星点能量分别与灰度均值graymean的偏差,图像Mi中星点的能量一致性graybiasi计算方法为
$\ { graybias }_{i}=\frac{g_{i}-\ { graymean }}{\ { graymean }}$
(3)全视场点目标像斑图像集中度grayconcent,表示星点能量的聚集程度。理论的星点大小应为3*3,因此以提取到的质心Si为中心,开一个3*3大小的窗口,计算3*3窗口内的灰度和,为表征图像Mi中理论星点的能量。能量集中度是分别计算图像M1~M9中理论星点的能量占实际星点能量的比值,该值越接近1,说明星点能量越聚集。图像Mi中星点的能量集中度grayconcent计算方法为
$\text { grayconcent }_{i}=\frac{g_{-} n e w_{i}}{g_{i}}$
(4)灰度均值graymean表示图像M1~M4和M6~M9中星点能量的灰度均值,计算方法为
$\ { graymean }=\frac{\sum_{i=1}^{i=9} g_{i}-g_{5}}{8}$
(5)最大灰度值graymax表示图像M1~M4和M6~M9中星点能量的最大值。
(6)最小灰度值graymin表示图像M1~M4和M6~M9中星点能量的最小值。
(7)对称性graybalance表示九宫图中,左-右,上-下,左上-右下,右上-左下这4组图像中星点能量的对称性,计算方法为每组图像中2个星点能量的比值。
本文研究基于以往大批量星敏感器装调数据分析和星图数据建模研究的基础上,提出了“7参数图像量化评价标准”的指标约束条件,其具体的约束条件如表1所示,若星点图像同时满足下述指标约束条件,则认为该产品光机组件标定结果满足产品最终测量精度要求。
表1 “7参数图像量化评价标准”的指标约束条件Tab.1 The index constraint of “Seven Parameter Image Quantitative Evaluation Standard” |
| 评价指标 | 约束条件 |
|---|---|
| 灰度均值graymean | ≥400 |
| 方差graystd | ≤100 |
| 最大灰度值graymax | ≤750 |
| 最小灰度值graymin | ≥350 |
| 能量一致性graybias | -0.25~+0.25 |
| 能量集中度grayconcent | ≥0.7 |
| 对称性graybalance | 0.75~1.25 |
2.2 图像量化评价标准在皮型星敏感器产品的应用
本文选择了商业卫星型谱产品-皮型星敏感器(以下简称皮星敏)的产品1和产品2使用“7参数图像量化评价标准”进行光机组件调试和标定,产品的量化指标如表2所示。
表2 皮星敏产品“7参数图像量化评价标准”指标Tab.2 The index constraint of “Seven Parameter Image Quantitative Evaluation Standard” |
 |
3 结束语
为了提升星敏感器生产制造中测量精度一致性,提高星敏感器研产水平,本文利用星敏感器研产中星点图像的大数据分析和建模手段,提出了“7参数图像量化评价标准”。作者按照这个标准对皮星敏产品光机组件装调进行应用,通过后续外场观星测试验证满足产品的测量精度要求,为提高后续产品研产的测量精度一致性夯实基础。