(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210865757.1 (22)申请日 2022.07.22 (71)申请人 刘佳伟 地址 841000 新疆维吾尔自治区库尔勒市 新城南路232号 (72)发明人 刘佳伟　达通航　 (74)专利代理 机构 深圳知帮办专利代理有限公 司 44682 专利代理师 王艺欢 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/38(2017.01) G06T 7/73(2017.01) G06T 5/00(2006.01) G06T 5/10(2006.01)G06T 5/50(2006.01) (54)发明名称 一种光学图像高轨卫星目标检测方法 (57)摘要 本发明公开了一种光学图像高轨卫星目标 检测方法， 该方法包括如下步骤： 101、 对图像进 行噪底估计， 图像进行降噪， 将系列图像对齐后 使用帧间差法去除恒星目标； 102、 对疑似高轨目 标进行形态识别， 获取大小位置信息； 去除恒星 目标后， 对剩余的疑似高轨目标进行形态识别， 得到大小位置等信息。 103、 使用基于密度聚类改 进的霍夫变换在位置和速度两个维度进行检测； 104、 提取得到需要的高轨目标序列。 本发明对霍 夫变换直线检测方法进行了改进， 使用霍夫变换 参数聚类的方法克服了传统霍夫变换检测线性 程度要求高且不可控制的问题。 权利要求书2页 说明书3页 附图2页 CN 115222703 A 2022.10.21 CN 115222703 A 1.一种光学图像高轨卫星目标检测方法， 其特 征在于该 方法包括如下步骤： 101、 去除恒星目标； 对图像进行噪底估计， 图像进行降噪， 将系列图像对齐后使用帧间差法去除恒星目标。 102、 对疑似高轨目标进行 形态识别， 获取 大小位置信息； 去除恒星目标后， 对剩余的疑似高轨目标进行形态识别， 得到大小位置信息， 根据图像 时标获得时间信息； 103、 使用基于密度聚类改进的霍夫变换在位置和速度两个维度进行检测； 首先对提取出的疑似目标的位置信息(x,y)从0 °开始进行霍夫变换， 得到每个目标此 角度下霍夫空间中的( θ， ρ )， 之后对所有点的( θ， ρ )进行基于密度的聚类， 满足聚类条件并 且判断所有点来自于序列中的不同帧图像时说明这些点在以聚类条件为边界的直线上， 继 续判断这些点的运动速度， 将速度信息(t,x,y)从0 °开始进行霍夫变换得到这些点的霍夫 空间下的参数( θ1， ρ1)， 并对( θ1， ρ1)进行基于密度的聚类； 104、 提取 得到需要的高轨目标序列。 2.如权利要求1所述的光学图像高轨卫星目标检测方法， 其特征在于步骤101中， 针对 高轨目标星空背景 的序列光学图像， 对每张图片进行背景噪声估计和去除， 后通过图像配 准对齐算法将多张图像进行对齐， 并使用帧间差方法去除恒星目标。 3.如权利要求2所述的光学图像高轨卫星目标检测方法， 其特征在于步骤103中， 霍夫 变换60°到120°用(t， x)进行， 其 余用(t， y)进行。 4.如权利要求3所述的光学图像高轨卫星目标检测方法， 其特征在于步骤104中， 先对 位置(x， y)以一定的步进δ到下一角度进行霍夫变换， 直到180 °； 对满足位置筛选条件的目 标进一步进行速度筛选， 角度以一定的步进δ1到下一角度进行直到180 °； 对提取出轨迹和 速度符合高轨目标 特性的目标进行去重、 合批后得到需要的高轨目标序列。 5.如权利要求 4所述的光学图像高轨卫星目标检测方法， 其特 征在于具体方法为： 步骤1， 光学图像获取， 针对高轨目标获取星空背景的序列光学图像， 图像的数量需要大于 3张； 步骤2， 噪声 背景估计和去除， 对每张图片进行背景噪声估计和去除， 去除不良影响； 步骤3， 图像对齐， 通过图像 配准对齐算法将多张图像进行对齐； 步骤4， 帧间差法去除恒星目标， 使用帧间差方法去除恒星目标； 步骤5， 目标形态学检测， 去除恒星目标剩余的目标中， 对剩余的疑似高轨目标进行形 态识别， 得到大小位置信息； 步骤6， 目标位置在不同角度下霍夫空间转换， 使用对提取出的疑似目标的位置信息 (x,y)从0 °开始进行霍夫变换， 得到霍夫空间下的( θ， ρ )； 步骤7， 进行霍夫空间参数密度聚类， 对所有点的( θ， ρ )进行基于密度的聚类； 步骤8， 判断是否满足聚类门限， 且来自不同的图像； 是则继续进行下一步， 否则位置霍夫变换角度步进δ， 返回步骤6， 位置霍夫变换角度增 加到180°时完成整个搜索过程； 步骤9， 目标进行速度维度在不同角度下霍夫空间转换， 将速度信息(t,x,y)从0 °开始 进行霍夫变换， 其中60 °到120°用(t， x)进行， 其余用(t， y)进行， 得到这些点的霍夫空间下 的参数( θ1， ρ1)；权　利　要　求　书 1/2 页 2 CN 115222703 A 2步骤10、 进行霍夫空间参数密度聚类， 并对( θ1， ρ1)进行基于密度的聚类； 步骤11、 判断是否满足聚类门限， 且来自不同的图像； 是则继续进行下一步， 否则速度霍夫变换角度步进δ1， 若此时速度霍夫变换角度小于 180°， 则返回步骤9， 若 此时速度霍夫变换角度大于等于18 0°则将位置霍夫变换角度步进δ， 返回步骤6开始下一 位置霍夫变换角度目标筛 选； 步骤12， 提取出轨迹和速度符合高轨目标特性的目标， 速度霍夫变换角度步进δ1， 若此 时速度霍夫变换角度小于18 0°， 则返回步骤9， 若 此时速度霍夫变换角度大于等于18 0°则将 位置霍夫变换角度步进 δ， 返回步骤6开始下一 位置霍夫变换角度目标筛 选； 步骤13， 当位置霍夫变换角度大于等于180 °完成整个筛选过程， 对筛选出的目标进行 去重、 合批后得到需要的高轨目标序列。权　利　要　求　书 2/2 页 3 CN 115222703 A 3