论文部分内容阅读
基于X射线源天体位置实现自主导航的技术成为了一种具有前瞻性的天文导航方式,它可以为航天器提供位置、速度、姿态以及时间等导航信息。航天器的自主导航的意义不仅在于其不需要地面设备的支持,更在于自主导航技术可以大大的提高航天器的机动性、隐蔽性和抗干扰性。在利用X射线源天体位置进行航天器定姿时,X射线源天文图像中的点源识别技术成为了首要解决问题,深入研究X射线源天文图像的点源识别技术具有重要的意义。本文以空间X射线源实测图像为基础,开展以下三方面的研究工作:X射线源原始数据的获取、X射线源天文图像的处理方法和X射线源天文图像的点源提取。在X射线源原始数据的获取中,本文将以Chandra卫星的观测事例作为数据基础。首先分析了观测事例的数据格式,然后根据本文所需的原始数据内容,分析了Chandra卫星数据处理软件CIAO中所需要使用的模块,最后给出了实测X射线源天文图像的处理流程以及结果。X射线源天文图像的处理方法包括X射线源天文图像预处理与潜在点源质心提取两部分。图像预处理分为图像滤波与阈值分割两部分,本文首先分析与比较了图像处理中常用的滤波与阈值分割方法,然后分析了三种常用的质心提取算法,最终通过实测X射线源天文图像的处理结果选择自适应维纳滤波器、自适应阈值分割法以及基于峰值的点源质心提取法作为图像处理方法。针对于X射线源天文图像存在的扩散性点源现象,提出了一种基于数字形态学的处理方法,以实际观测事例为例,可以将图像中提取到的潜在点源数量减少30%-40%,很大程度的减少了后面点源识别算法的工作量。通过图像处理方法提取的点源准确率最高仅能达到58.62%,证明潜在点源中依然存在不少伪点源。因此本文提出一种基于支持向量机的点源识别算法,对潜在点源进行进一步的筛选。本文提出采用主成分分析算法与粒度计算对原始训练样本进行优化,并且利用二叉树将多分类问题转换为二分类问题,对分类器本身进行优化。通过对实际观测数据的实验,本文提出的方法在保证与Wavdetect算法识别精度相当的前提下,得到了X射线源点源图像。观测事例中识别精确度最高可达到93.16%。