本发明属于产品质量检测，特别涉及一种基于星图灰度分布特征的观星设备质量分类方法。
背景技术：
1、观星设备是实现姿态感知、自主控制的重要仪器，核心构成包含有星点成像光学系统、图像传感器电路、星图识别与姿态解算数据处理电路。星点成像光学系统将太空星座信息投影到图像传感器上，形成电信号，星图识别与姿态解算数据处理电路利用待测量设备与星座的相对位置信号解算出待测量设备自身的姿态信息。因此，星点成像光学系统的成像质量直接影响姿态识别精度。
2、观星设备质量检测包括光星模测试、电星模测试以及外场拍星测试等技术手段，根据成像照片判定产品质量是核心工作内容。传统人工判读图像的方法不仅费时费力，而且产品质量信息判读结果受人眼的限制，可靠性、可用性、识别效率都较低，影响良品率、一次成功率、生产效率的提升，进而影响产品批产能力。
技术实现思路
1、本发明的目的在于提供一种基于星图灰度分布特征的观星设备质量分类方法，用于通过图像数据建模实现产品总装质量的智能分类。
2、本发明采用的技术方案如下：
3、本发明提供一种基于星图灰度分布特征的观星设备质量分类方法，包括：s1，星点图像数据采集；s2，星点图像噪声处理；s3，星点图像特征建模；s4，产品质量特征建模；s5，产品质量分类分析。对星点图像进行阈值去噪处理，依据去噪后星点图像的灰度分布特征建立星点图像模型，并以此模型结合光学像差成像原理建立产品质量分类模型，满足产品总装质量的智能分类需求。
4、上述基于星图灰度分布特征的观星设备质量分类方法，有如下步骤：
5、步骤s1：星点图像数据采集。星点图像数据是使用单星模拟器作为观星设备的恒星光源，分别调整单星模拟器与观星设备光轴的夹角为(0,7)、(-7,0)、(0,0)、(7,0)和(0,-7)进行星点图像拍摄所得，即每件产品对应5张星点图像。
6、步骤s2：星点图像数据噪声处理。采用阈值去噪方法对星点图像进行噪声处理。星点图像为灰度图像，则设定阈值为m，原始星点图像每个像素的灰度值为f(x,y)，经过阈值去噪后的星点图像灰度值为g(x,y)，则计算公式如下：
7、
8、阈值m的选择是星点目标分离的关键，该阈值作为判定星点和背景的依据，低于阈值的为背景，高于阈值的为星点目标。本发明在阈值选取过程中，遍历灰度图像的灰度极值0至255，分别计算每个阈值对星点图像进行降噪处理后，其模糊度的值。并通过比较各阈值模糊度的值，得出最佳的图像清晰度，即图像质量的最佳阈值，从而最终确定星点图像降噪处理的最佳阈值。使用灰度方差算法对图像模糊度进行计算，计算公式如下：
9、
10、
11、式中，为图像平均灰度值，g(x,y)为图像灰度值，m,n为图像的大小，s为图像模糊度值。
12、步骤3：星点图像特征建模。本发明根据星点图像数据的灰度分布特征，构建的评价指标有：像斑大小(pxs_size)、信噪比(snr)、平均灰度值(average_gray)、灰度集中度(gray_concentration)，将输入的星点图像量化为四项指标值。
13、步骤4：产品质量特征建模。观星设备是使用轴对称结构形式的光学系统。产品质量特征建模使用“十”字分布的5张星点图像数据进行建模分析，具体包含中心点偏离、弥散斑灰度集中度、周边对称性三个特征指标。
14、(1)中心点偏离是指由于像差的存在，轴线上物点的实际像点与对称轴线的偏移距离。设定像点的理论中心点坐标为(x0,y0)，物点的实际像点坐标为(x,y)，计算公式如下：
15、
16、式中，a为中心点偏移值，偏移值越小，星图质量越好。
17、(2)弥散斑灰度集中度表示星点某一确定大小像元区域内的灰度总和占星点灰度总和的百分比。设定k为星图中选取k×k的区域，计算公式如下：
18、
19、式中，ηk为中心点灰度集中度，g(x,y)为中心点所在区域的灰度值。
20、(3)周边像点对称性度量为计算“十”字分布周边四张星点图像数据的特征相似度。本发明通过计算两张相互对称星点图像的评价指标向量的夹角实现相似度的量化判断。设定a1和a2分别为两张对称星点图像的评价指标向量，图像相似度的计算公式如下：
21、
22、式中，θ为对称位置的两张星点图像的相似度，值越小，图像越相似。
23、步骤5：产品质量分类分析。根据检测标准得出产品的质量分类。
24、本发明有益效果在于，实现了基于图像数据分析的观星设备总装装调质量智能分类，相比于传统的人工检测方法，智能分类对产品质量信息的判读更具可靠性、可操作性以及可用性，有效降低了生产成本，减少了生产时间。
1.一种基于星图灰度分布特征的观星设备质量分类方法，其特征在于，所述方法包括以下步骤：
2.如权利要求1所述的一种基于星图灰度分布特征的观星设备质量分类方法，其特征在于，所述步骤s1具体包括以下步骤：
3.如权利要求2所述的一种基于星图灰度分布特征的观星设备质量分类方法，其特征在于，所述步骤s2中采用阈值去噪方法对星点图像进行噪声处理。
4.如权利要求3所述的一种基于星图灰度分布特征的观星设备质量分类方法，其特征在于，所述星点图像为灰度图像，则设定阈值为m，原始星点图像每个像素的灰度值为f(x,y)，经过阈值去噪后的星点图像灰度值为g(x,y)，则计算公式如下：
5.如权利要求4所述的一种基于星图灰度分布特征的观星设备质量分类方法，其特征在于，在阈值m选取过程中，遍历灰度图像的灰度极值0至255，分别计算每个阈值对星点图像进行降噪处理后其模糊度的值；
6.如权利要求5所述的一种基于星图灰度分布特征的观星设备质量分类方法，其特征在于，使用灰度方差算法对图像模糊度进行计算，计算公式如下：
7.如权利要求6所述的一种基于星图灰度分布特征的观星设备质量分类方法，其特征在于，所述步骤s3依据去噪后星点图像的灰度分布特征建立星点图像特征模型。
8.如权利要求7所述的一种基于星图灰度分布特征的观星设备质量分类方法，其特征在于，所述星点图像特征模型的评价指标有：像斑大小、信噪比、平均灰度值、灰度集中度，将输入的星点图像量化为四项评价指标值。
9.如权利要求1所述的一种基于星图灰度分布特征的观星设备质量分类方法，其特征在于，所述步骤s4中，以星点图像特征模型结合光学像差成像原理建立产品质量特征模型。
10.如权利要求1所述的一种基于星图灰度分布特征的观星设备质量分类方法，其特征在于，所述产品质量特征建模使用“十”字分布的5张星点图像数据进行建模分析，包括中心点偏离、弥散斑灰度集中度、周边对称性三个特征指标；
