摘要
为了提高复杂动态环境下精密稳像系统的质心定位精度,提出了一种基于生成对抗网络(GAN)的方法,以解决载体运动引起的星斑拖尾问题。传统的高斯模型先验方法对噪声敏感,盲反卷积方法采用简化模型估计模糊核,与真实值误差较大。所提方法结合了运动流图的运动方向和GAN的优化细节,将运动流图与模拟星点作为监督信号,采用端到端的形式复原星斑图,无需先验信息与迭代计算,并且可以抑制噪声。实验结果表明,相较于R-L方法,所提方法复原星斑后峰值信噪比提升了30.5%,质心定位精度提高了33.4%。
- 单位
为了提高复杂动态环境下精密稳像系统的质心定位精度,提出了一种基于生成对抗网络(GAN)的方法,以解决载体运动引起的星斑拖尾问题。传统的高斯模型先验方法对噪声敏感,盲反卷积方法采用简化模型估计模糊核,与真实值误差较大。所提方法结合了运动流图的运动方向和GAN的优化细节,将运动流图与模拟星点作为监督信号,采用端到端的形式复原星斑图,无需先验信息与迭代计算,并且可以抑制噪声。实验结果表明,相较于R-L方法,所提方法复原星斑后峰值信噪比提升了30.5%,质心定位精度提高了33.4%。