采用混合粒子群算法的星图识别方法

毛海岑; 刘爱东; 王亮

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

采用混合粒子群算法的星图识别方法

毛海岑, 刘爱东, 王亮

文章导航 > 红外与激光工程 > 2014 > 43(11): 3762-3766

毛海岑, 刘爱东, 王亮. 采用混合粒子群算法的星图识别方法[J]. 红外与激光工程, 2014, 43(11): 3762-3766.

引用本文:

毛海岑, 刘爱东, 王亮. 采用混合粒子群算法的星图识别方法[J]. 红外与激光工程, 2014, 43(11): 3762-3766.

Mao Haicen, Liu Aidong, Wang Liang. Star recognition method based on hybrid particle swarm optimization algorithm[J]. Infrared and Laser Engineering, 2014, 43(11): 3762-3766.

Citation:

Mao Haicen, Liu Aidong, Wang Liang. Star recognition method based on hybrid particle swarm optimization algorithm[J]. Infrared and Laser Engineering, 2014, 43(11): 3762-3766.

采用混合粒子群算法的星图识别方法

1.
华中光电技术研究所,湖北武汉 430074

基金项目:

总装基金;华中科技大学青年教师基金(2013QN052)

详细信息

作者简介:
毛海岑(1973-),男,博士,主要从事图像处理、模式识别等方面的研究.Email:42205974@qq.com

中图分类号: TP391

Star recognition method based on hybrid particle swarm optimization algorithm

1.
Huazhong Institute of Electro-Optics,Wuhan 430074,China

摘要: 为提高大视场高灵敏度星敏感器的星图识别速度和识别成功率,提出了一种基于混合粒子群算法的星图识别方法,该方法首先根据星图中星点的灰度信息确定候选识别主星集合;然后选择该集合中的一个星点为圆心,以一定角距为半径画圆,将圆内的所有星点构成特征数据集合;然后利用混合粒子群算法对圆内的星点进行快速路径寻优;最后利用最优路径长度进行索引,并利用最优路径中前三个星点间的角距以及它们的星等信息进行匹配识别;实验结果表明,与现有识别方法相比,该方法具有高的识别率,良好的实时性和鲁棒性,且所需的导航星库容量小.
- 星图识别 /
- 导航星库 /
- 混合粒子群算法 /
- 遗传算法 /
- 模拟退火
Abstract: A new star recognition method based on hybrid particle swarm algorithm was developed to increase recognition speed and success rate for large field high sensitivity star sensors. Firstly, several candidate recognition main stars were determined with the gray information. Then a circle was drawn with the given circle radius, and all stars in the circle were selected to constitute a characteristics data collection. Hybrid particle swarm algorithm was used for fast path optimization to construct recognition characteristics. Finally, the optimal path length was used for indexing to search matching star, and preceding three star angular distance and magnitude in the optimal path were used for matching recognition to enhance recognition speed and success rate. Experimental results show that, compared with existing recognition methods, star recognition method based on hybrid particle swarm optimization algorithm has a higher recognition rate, good real-time and robustness to noise, and it requires small star database capacity.
- star recognition /
- navigation star database /
- hybrid particle swarm optimization /
- genetic algorithm /
- simulated annealing

[1]
[2]	Padgett C, Kreutz-Delgado K, Udomkesmalee S. Evaluation of star identification techniques[J]. Journal of Guidance, Control and Dynamics, 1997, 20(2): 259-267.
[3]	Liu Chaoshan, Huang Xin, Liu Guangbin. A convex polygon star pattern identification algorithm for star sensor[J]. Opto-Electronic Engineering, 2004, 31(9): 7-9. (in Chinese)
[4]
[5]	Hyunjae Lee, Hyochoong Bang. Star pattern identification technique by modified grid algorithm[J]. IEEE Transactions on Aerospace and Electronic Systems, 2007, 43(3): 1112-1116.
[6]
[7]
[8]	Yang Jing, Wang Liang. An improved star identification based on neural network[C]//The 10th IEEE International Conference on Industrial Informatics, 2012: 25-27.
[9]
[10]	Paladugu L, Williams B G, Schoen M P. Star pattern recognition for attitude determination using genetic algorithms [C]//The 17th AIAA/USU Conference on Small Satellites, 2003.
[11]
[12]	Quan Wei, Fang Jiancheng. A star recognition method based on the adaptive Ant Colony algorithm for star sensors[J]. Sensors, 2010, 10(3): 1955-1966.
[13]	Eberhart R C, Kennedy J. A new optimizer using particle swarm theory[C]//Proc Sixth Int Sympoism on Mircro Machine and Human Science, 1995: 39-43.
[14]
[15]
[16]	Gao Haibing, Zhou Chi, Gao Liang. General particle swarm optimization mode[J]. Chinese Journal of Computor, 2005, 28(12): 1980-1987. (in Chinese)
[17]	Gao Shang, Han Bin, Wu Xiaojun, et al. Solving traveling salesman problem by hybrid particle swarm optimization algorithm[J]. Control and Decision, 2004, 19(11): 1286-1289. (in Chinese)
[18]
[19]	Wang Kangping. Particle swarm optimization for traveling salesman problem[C]//Proceedings of the Second International on Machine Learning and Cybernetics, 2003: 2-5.

[1]	赵霖, 王爱民, 王崑声, 于成龙. 基于改进遗传算法的虚拟制造单元继承性重构调度技术 . 红外与激光工程, 2022, 51(11): 20220510-1-20220510-10. doi: 10.3788/IRLA20220510
[2]	刘云朋, 霍晓丽, 刘智超. 基于深度学习的光纤网络异常数据检测算法 . 红外与激光工程, 2021, 50(6): 20210029-1-20210029-6. doi: 10.3788/IRLA20210029
[3]	王泽文, 王广君, 刘小波, 佘锦华. L2范式距离的星图识别方法 . 红外与激光工程, 2020, 49(10): 20200040-1-20200040-7. doi: 10.3788/IRLA20200040
[4]	谢俊峰, 杨晨晨, 梅永康, 韩保民. 基于遗传算法的星载激光全波形分解 . 红外与激光工程, 2020, 49(11): 20200245-1-20200245-7. doi: 10.3788/IRLA20200245
[5]	汪子君, 邱俨睿, 杨宏霄, 孙磊. 基于鲁棒Otsu的红外无损检测缺陷分割算法 . 红外与激光工程, 2019, 48(2): 204004-0204004(9). doi: 10.3788/IRLA201948.0204004
[6]	赵东波, 李辉. 基于中心矩特征和GA-BP神经网络的雷达目标识别 . 红外与激光工程, 2018, 47(8): 826005-0826005(7). doi: 10.3788/IRLA201847.0826005
[7]	孙国栋, 秦来安, 程知, 何枫, 侯再红. 成像激光雷达测量大气能见度实验研究 . 红外与激光工程, 2017, 46(10): 1030003-1030003(9). doi: 10.3788/IRLA201766.1030003
[8]	季淑英, 孔伟金, 李娜, 车卫康, 司维, 徐志恒. 800 nm亚波长夹层式金属偏振分束光栅 . 红外与激光工程, 2017, 46(8): 820002-0820002(6). doi: 10.3788/IRLA201746.0820002
[9]	刘先一, 周召发, 张志利, 刘殿剑, 朱文勇. 基于数字天顶仪的视场角分析 . 红外与激光工程, 2016, 45(6): 617001-0617001(6). doi: 10.3788/IRLA201645.0617001
[10]	李艳辉, 厉明, 周凌, 张楠. 基于模型匹配的光电侦察无人机飞行控制器设计方法 . 红外与激光工程, 2015, 44(2): 693-698.
[11]	王昊京, 王建立, 吴量, 姚凯男. 三视场定位定向设备的视场确定 . 红外与激光工程, 2015, 44(6): 1890-1897.
[12]	王安祥, 张晓军, 曹运华. 遗传模拟退火算法在玻璃和晶体色散方程参量反演中的应用 . 红外与激光工程, 2015, 44(11): 3197-3203.
[13]	贾文抖, 范春利, 孙丰瑞, 杨立. 基于红外测温的内部点热源的识别 . 红外与激光工程, 2015, 44(3): 837-844.
[14]	孙剑明. 剖分特征集星识别法在天文导航中的应用 . 红外与激光工程, 2015, 44(11): 3330-3335.
[15]	刘超明, 娄淑琴. 基于遗传算法的光纤光栅交叉敏感解调研究 . 红外与激光工程, 2015, 44(6): 1859-1864.
[16]	劳达宝, 周维虎, 李万红, 石冬, 林心龙. 基于遗传算法的柱面光栅测角技术研究 . 红外与激光工程, 2015, 44(7): 2182-2188.
[17]	韩军, 常波, 路邵军, 吴玲玲, 占春连. SVM 的光栅成像光谱仪图像畸变校准方法 . 红外与激光工程, 2014, 43(9): 3099-3104.
[18]	孟祥涛, 王巍, 向政. 基于微粒群与模拟退火算法的光纤陀螺导航系统动态补偿方法 . 红外与激光工程, 2014, 43(5): 1555-1560.
[19]	陈聪, 王宏力, 崔祥祥, 陆敬辉, 姜伟. 基于预测跟踪星表提高星敏感器实时性的方法 . 红外与激光工程, 2013, 42(8): 2190-2196.
[20]	蔡义, 汪红熳, 亓波. 星地激光通信无波前传感器优化算法仿真分析 . 红外与激光工程, 2013, 42(4): 1063-1068.

点击查看大图

计量

文章访问数: 281
HTML全文浏览量: 32
PDF下载量: 150
被引次数: 0

采用混合粒子群算法的星图识别方法

1. 华中光电技术研究所,湖北武汉 430074

作者简介:
毛海岑(1973-),男,博士,主要从事图像处理、模式识别等方面的研究.Email:42205974@qq.com

收稿日期: 2014-03-08
修回日期: 2014-04-11
刊出日期: 2014-11-25

基金项目:

总装基金;华中科技大学青年教师基金(2013QN052)

中图分类号: TP391

关键词:

摘要: 为提高大视场高灵敏度星敏感器的星图识别速度和识别成功率,提出了一种基于混合粒子群算法的星图识别方法,该方法首先根据星图中星点的灰度信息确定候选识别主星集合;然后选择该集合中的一个星点为圆心,以一定角距为半径画圆,将圆内的所有星点构成特征数据集合;然后利用混合粒子群算法对圆内的星点进行快速路径寻优;最后利用最优路径长度进行索引,并利用最优路径中前三个星点间的角距以及它们的星等信息进行匹配识别;实验结果表明,与现有识别方法相比,该方法具有高的识别率,良好的实时性和鲁棒性,且所需的导航星库容量小.