利用能量信息挖掘抑制杂散光技术

"基于能量信息挖掘的杂散光抑制" 是一篇关于航天精密光学传感器中杂散光抑制技术的研究论文。作者包括TINGSUN、FEIXING、JINGYUBAO、SONGSONGJI和JINLI，分别来自北京信息科技大学、清华大学精密仪器系、英国剑桥大学工程系的光子学与传感器组。 文章指出，星跟踪器在高精度航空航天任务中起着至关重要的作用，因为其具有高精度、绝对姿态输出和低功耗的特点。然而，对于光学传感器而言，杂散光问题始终是一个重要的研究课题。为解决这一问题，作者提出了一个利用星的能量信息挖掘方法来抑制杂散光的新方法。 该方法采用了灰度共生矩阵（GLCM）和k最近邻算法（KNN）。灰度共生矩阵是一种统计工具，用于分析图像中像素对之间的关系，它能捕捉到图像的纹理信息。在本研究中，GLCM可能被用来分析和理解杂散光在图像中的分布模式。而k最近邻算法则是一种机器学习算法，通常用于分类和回归，它可以根据已知数据点的类别来预测未知数据点的类别。在这里，KNN可能被用来识别并区分有用星光与杂散光，从而实现杂散光的有效抑制。 论文经过了多次修订，最终于2018年10月25日发表。这项研究的意义在于提供了一种新的策略，以提高光学传感器在复杂环境下的性能，尤其是在有大量杂散光干扰的情况下，这对于提升航天器的姿态控制精度和任务可靠性具有重大价值。 通过这种方法，可以预期在未来的航天器设计中，光学传感器将能够更准确地跟踪和识别目标，减少由于杂散光引起的误判，从而提高整体系统的稳定性和效率。同时，这一研究成果也可能对地面光学观测系统、遥感成像等领域产生积极影响，为杂散光处理提供新的思路和技术手段。