الگوریتمی جدید در تشخیص قالب و مرکزیابی دقیق ستارگان تصاویر آسمان شب

نویسندگان

چکیده مقاله:

In this paper a novel night sky star pattern recognition and precise centroiding approaches are proposed. Precision and computation time of image processing algorithm paly a great role in spacecraft in which the night sky star images are utilized for attitude determination. Star pattern recognition and centroiding are the most important steps of image processing algorithm in such attitude determination techniques. Here, in order to improve the computation time and precision of the image processing algorithm, a novel star pattern recognition approach including thresholding and clustering steps and precise centroiding method are proposed. Implementation results indicate that the proposed thresholding approach performs better than traditional approaches in dealing with images with uneven illumination. Lower computational burden and average centroiding error of less than 0.045 pixel obtained from experimenting 100 test simulated images, show the great capability of proposed image processing algorithm.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

الگوریتمی جدید در تشخیص قالب و مرکزیابی دقیق ستارگان تصاویر آسمان شب

در این مقاله الگوریتمی جدید در تشخیص قالب و مرکزیابی دقیق ستارگان تصاویر آسمان شب، ارائه شده است. در فضاپیماهایی که از تصاویر ستارگان آسمان شب برای تعیین وضعیت خود استفاده می کنند، دقت و سرعت عملیات پردازش تصویر نقشی بسیار تعیین کننده دارند. عملیات تشخیص قالب و مرکزیابی ستارگان، جزو مهم ترین مراحل فرایند پردازش تصویر در این روش های تعیین وضعیت به شمار می روند. در اینجا، با هدف افزایش سرعت و دقت...

متن کامل

شبیه‌سازی تصاویر آسمان شب با مدل روزنه ایده‌آل برای حس‌گر ستاره

در این مقاله با هدف استفاده در نرم‌افزارهای طراحی و بسترهایتست حس‌گر ستاره به شبیه‌سازی تصاویر آسمان شب و حس‌گر ستاره پرداخته شده است. برای این منظور ابتدا الگوریتمی جامع و دقیق به‌منظور شبیه‌سازی تصاویر آسمان شب بر اساس مدل روزنه ایده‌آل و استفاده از توابع توزیع نقطه‌ای و گاوس ارائه گردیده است. سپس به‌منظور ایجاد واقع‌گرایی بیشتر، منابع خطاهای اتفاقی و سیستماتیک، کشیدگی تصاویر ناشی از دینامیک ...

متن کامل

بررسی اثرمدی در اصلاح ابیراهی تصاویر ستارگان

: ابیراهی ناشی از آشفتگی جو در سامانه های تصویربرداری زمینی منجر به کاهش توان تفکیک سامانه و در نتیجه کاهش کیفیت تصویر اجسام گسترده می گردند. پرتوهای ناهمدوس منتشر شده در جو آشفته در معرض افت و خیزهای فاز و دامنه قرار می گیرد. این افت و خیزها با توزیع تصادفی ضریب شکست در اثر دما و فشار در جو حاصل می شود. با شبیه سازی انتشار پرتو ناهمدوس و مدل سازی اثرات آشفتگی جو به صورت تعدادی صفحه فاز کاتوره ...

متن کامل

یک چارچوب جدید آشکارسازی و تشخیص لوگو در تصاویر متنی

آشکارسازی و تشخیص لوگو یک بخش اساسی در یک سیستم خودکارسازی اداری جهت بایگانی و بازیابی تصاویر متنی می‌باشد. در این مقاله، ما یک چارچوب جدید آشکارسازی و تشخیص لوگو مبتنی بر یک استراتژی ناحیه‌بندی و طبقه‌بندی پشت سر هم در تصاویر متنی پیشنهاد می‌کنیم. در این چارچوب، با استفاده از یک الگوریتم ناحیه‌بندی دو مرحله‌ای (شامل الگوریتمهای ناحیه‌بندی مبتنی بر تبدیل ویولت و آستانه‌گذاری) و طبقه‌بندی سلسله ...

متن کامل

یک چارچوب جدید آشکارسازی و تشخیص لوگو در تصاویر متنی

آشکارسازی و تشخیص لوگو یک بخش اساسی در یک سیستم خودکارسازی اداری جهت بایگانی و بازیابی تصاویر متنی می‌باشد. در این مقاله، ما یک چارچوب جدید آشکارسازی و تشخیص لوگو مبتنی بر یک استراتژی ناحیه‌بندی و طبقه‌بندی پشت سر هم در تصاویر متنی پیشنهاد می‌کنیم. در این چارچوب، با استفاده از یک الگوریتم ناحیه‌بندی دو مرحله‌ای (شامل الگوریتمهای ناحیه‌بندی مبتنی بر تبدیل ویولت و آستانه‌گذاری) و طبقه‌بندی سلسله ...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


عنوان ژورنال

دوره 11  شماره 1

صفحات  3- 18

تاریخ انتشار 2014-09

با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.

کلمات کلیدی

کلمات کلیدی برای این مقاله ارائه نشده است

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023