目標衛(wèi)星的識別是SLR(衛(wèi)星激光測距)系統(tǒng)實現(xiàn)跟蹤觀測的重要步驟之一。目前,在實際的觀測過程中,通常采用CCD相機對衛(wèi)星進行實時監(jiān)視,觀測人員通過查看監(jiān)視視頻尋找目標衛(wèi)星和激光束在視場中的位置,確定激光束是否準確的指向目標衛(wèi)星。大多數(shù)情況下,由于星歷預(yù)報誤差、激光束指向誤差等原因,會使得激光束指向與目標衛(wèi)星之間差生偏差,即激光束沒有擊中衛(wèi)星,這時需要觀測人員手動調(diào)整望遠鏡指向,使得激光束準確指向衛(wèi)星,實現(xiàn)跟蹤觀測。由于衛(wèi)星圖像信號微弱、信噪比低,人工查看SLR系統(tǒng)跟蹤觀測是否脫靶比較困難,這很大程度上降低了SLR系統(tǒng)的觀測效率。為了解決SLR系統(tǒng)觀測衛(wèi)星時,難以識別目標衛(wèi)星的情況,本文設(shè)計一種通過使用圖像處理技術(shù)實現(xiàn)SLR系統(tǒng)自動識別目標衛(wèi)星的算法�；赩isual Studio 2015和OpenCV 3.4.0和Qt 5.9.6開發(fā)環(huán)境編寫實現(xiàn)SLR目標衛(wèi)星識別的算法,實現(xiàn)在視場中識別并標注目標衛(wèi)星的功能。計算機自動識別目標衛(wèi)星不僅能有效的提升SLR系統(tǒng)的觀測效率,并且有助于提升SLR系統(tǒng)的自動化水平。論文首先說明了SLR系統(tǒng)中衛(wèi)星識別的研究背景和意義。第二章闡述了一種基于圖像處理的衛(wèi)星識別方案,并分給出了該方案的硬件系統(tǒng)構(gòu)成、軟件開發(fā)環(huán)境、軟件的設(shè)計思路、軟件使用說明等。第三章介紹了圖像灰度化與圖像二值化相關(guān)概念和原理,針對圖像二值化方法,列出了3種常見的二值化處理方法,包含閾值二值化、自適應(yīng)閾值二值化、OTSU二值化,分析對比各種方法的處理效果和特點,并選定合適的處理方法。第四章研究了圖像積分與圖像濾波的相關(guān)概念和原理,分析均值濾波、高斯濾波、雙邊濾波、中值濾波處理效果的優(yōu)勢與不足,最終選定適合SLR系統(tǒng)觀測場景的處理方法。接下來描述了目標識別與目標檢測、圖像的矩的相關(guān)概念,同時描述目標輪廓檢測中Sobel算子、Prewitt算子、Canny算子、LoG算子的實現(xiàn)原理和處理效果,重點介紹輪廓檢測中輪廓跟蹤算法的實現(xiàn)原理以及處理效果,同時詳細介紹目標衛(wèi)星識別與標注的實現(xiàn)過程。對運行在不同軌道高度的目標衛(wèi)星進行多次測試,能夠自動識別高軌衛(wèi)星glns131、低軌衛(wèi)星Jason-2和Jason-3,這表明該算法具有一定的準確性、可行性、實用性。
【學(xué)位單位】：中國地震局地震研究所
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TP391.41;P228.5
【部分圖文】：

本文的研究主要是基于由中國地震局地震研究所研發(fā)設(shè)計的 TROS1000 流動衛(wèi)星激光測距系統(tǒng)進行的，其中 TROS1000 流動衛(wèi)星激光測距系統(tǒng)光路結(jié)構(gòu)圖如圖2.1所示，系統(tǒng)實物圖如圖2.2所示。TROS1000系統(tǒng)單次觀測精度為1~4cm，最大測程達 20000km，配備有 1m 口徑的望遠鏡，系統(tǒng)總質(zhì)量約為 15t，具備流動觀測能力[27]。圖 2.1 系統(tǒng)光路結(jié)構(gòu)圖

本文的研究主要是基于由中國地震局地震研究所研發(fā)設(shè)計的 TROS1000 流動衛(wèi)星激光測距系統(tǒng)進行的，其中 TROS1000 流動衛(wèi)星激光測距系統(tǒng)光路結(jié)構(gòu)圖如圖2.1所示，系統(tǒng)實物圖如圖2.2所示。TROS1000系統(tǒng)單次觀測精度為1~4cm，最大測程達 20000km，配備有 1m 口徑的望遠鏡，系統(tǒng)總質(zhì)量約為 15t，具備流動觀測能力[27]。圖 2.1 系統(tǒng)光路結(jié)構(gòu)圖

硬件系統(tǒng)結(jié)構(gòu)圖
【相似文獻】

相關(guān)期刊論文 前10條

1 孫慶有;;2007圖像處理國際研討會[J];國際學(xué)術(shù)動態(tài);2008年03期

2 安叢姝;;關(guān)于圖像處理技術(shù)現(xiàn)狀及發(fā)展的分析[J];科技資訊;2018年25期

3 康春艷;;探究圖像處理的關(guān)鍵技術(shù)[J];計算機產(chǎn)品與流通;2018年11期

4 肖彬;;圖像處理中顏色模式的探究[J];電腦編程技巧與維護;2019年01期

5 劉曉杰;;計算機圖像處理技術(shù)的特點與應(yīng)用研究[J];信息記錄材料;2019年03期

6 張悅旺;;基于形態(tài)學(xué)圖像檢測的機械手移栽穴苗識別技術(shù)[J];農(nóng)機化研究;2018年05期

7 張璋;;計算機技術(shù)在圖像處理中的應(yīng)用分析[J];才智;2018年16期

8 楊懷義;;計算機圖像處理技術(shù)的發(fā)展及未來展望[J];電腦迷;2018年07期

9 許友文;;計算機圖像處理技術(shù)的探析[J];電腦迷;2018年06期

10 湯向東;;基于Moodle平臺“Photoshop圖像處理”課的設(shè)計與應(yīng)用[J];教育信息技術(shù);2017年06期

相關(guān)博士學(xué)位論文 前10條

1 王悅;便攜式人體掃描測量系統(tǒng)關(guān)鍵技術(shù)研究[D];西北工業(yè)大學(xué);2017年

2 何偉;極化SAR圖像處理的相關(guān)問題研究[D];西安電子科技大學(xué);2016年

3 冀騰宇;基于張量分解的高維圖像處理的建模與算法研究[D];電子科技大學(xué);2018年

4 阮越;量子圖像處理若干關(guān)鍵問題的研究[D];東南大學(xué);2016年

5 施麗蓮;基于數(shù)字圖像識別技術(shù)的氣液兩相流參數(shù)檢測的研究[D];浙江大學(xué);2004年

6 李衛(wèi)斌;SAR圖像處理的若干關(guān)鍵技術(shù)[D];西安電子科技大學(xué);2004年

7 盛磊;面向特種LCD圖像處理方法與FPGA實現(xiàn)研究[D];合肥工業(yè)大學(xué);2005年

8 王舟;基于遠程相關(guān)性的圖像處理[D];華南理工大學(xué);1998年

9 王明祥;獨立分量分析方法及在圖像處理中的應(yīng)用研究[D];上海大學(xué);2005年

10 李文舉;智能交通中圖像處理技術(shù)應(yīng)用的研究[D];大連海事大學(xué);2005年

相關(guān)碩士學(xué)位論文 前10條

1 汪濤;基于圖像處理的遠程抄表系統(tǒng)設(shè)計與實現(xiàn)[D];天津理工大學(xué);2019年

2 云賽;基于圖像處理的風(fēng)力發(fā)電機葉片表面缺陷檢測技術(shù)研究[D];天津理工大學(xué);2019年

3 李建鋒;遠程塔臺技術(shù)監(jiān)視平臺的模擬搭建及其圖像處理關(guān)鍵技術(shù)研究[D];中國民用航空飛行學(xué)院;2019年

4 吳水琴;融合圖像信息的軌跡預(yù)測跟蹤技術(shù)研究[D];中國科學(xué)院大學(xué)(中國科學(xué)院光電技術(shù)研究所);2019年

5 閔福其;基于圖像處理的SLR系統(tǒng)目標識別技術(shù)的研究[D];中國地震局地震研究所;2019年

6 梁振江;基于圖像處理的混合纖網(wǎng)纖維分布情況分析研究[D];天津工業(yè)大學(xué);2019年

7 汪思迪;一種融合慣導(dǎo)與RFID的物流倉儲AGV控制技術(shù)研究[D];武漢理工大學(xué);2018年

8 信成濤;新型果蠅優(yōu)化算法及其在圖像處理中的應(yīng)用研究[D];安徽大學(xué);2019年

9 陳麗娟;深度學(xué)習(xí)在圖像處理中的應(yīng)用研究[D];浙江工業(yè)大學(xué);2018年

10 劉凱;面向圖像處理的量子抗干擾算法研究[D];國防科學(xué)技術(shù)大學(xué);2016年

本文編號：2855807