(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211321922.3 (22)申请日 2022.10.27 (71)申请人 长春理工大 学 地址 130022 吉林省长 春市卫星路7089号 (72)发明人 董科研　刘超　宋延嵩　张博　 梁宗林　朴明旭　 (74)专利代理 机构 哈尔滨市阳光惠远知识产权 代理有限公司 2321 1 专利代理师 高原 (51)Int.Cl. G06T 7/73(2017.01) G06N 3/04(2006.01) G06T 7/11(2017.01) G06T 7/136(2017.01) G06T 7/66(2017.01) (54)发明名称 一种光端机信标光斑中心定位方法、 存储介 质及电子设备 (57)摘要 一种光端机信标光斑中心定位方法、 存储介 质及电子设备， 涉及空间激光通信技术领域， 解 决了现有光斑中心定位方法定位精度低的问题。 所述方法包括： S1、 对粗定位检测到的信标光斑 ROI区域进行二值化； S2、 将二值化图像划分为 4x4网格； S3、 分别计算各个网格单元的有效响应 面积， 抑制噪声及光斑能量不均匀的影响； S4、 将 4x4网格的有效响应面积序列输入预训练的BP神 经网络， 得到光斑中心位置坐标。 可应用于空间 激光通信APT 光束控制系统中光端机液晶空间光 调制器光斑中心定位中。 权利要求书2页 说明书7页 附图5页 CN 115393440 A 2022.11.25 CN 115393440 A 1.一种光端机信标光斑中心定位方法， 其特 征在于， 包括以下步骤： S1、 对粗定位检测到的信标光斑ROI区域进行二 值化； S2、 将二值化图像划分为 4x4网格； S3、 分别计算各个网格单 元的有效响应面积， 抑制噪声及光斑能量 不均匀的影响； S4、 将4x4网格的有效响应面积序列输入预训练的BP神经网络， 得到光斑中心位置坐 标。 2.根据权利要求1所述的光端机信标光斑中心定位方法， 其特征在于， 步骤1中所述对 ROI区域进行二 值化具体是通过最大熵阈值图像分割方法， 截取光斑有效相应区域。 3.根据权利要求2所述的光端机信标光斑中心定位方法， 其特征在于， 所述最大熵阈值 图像分割方法包括以下步骤： S11、 用  表示原始图像像素 的灰度值， 光斑中心未过曝的情况下， ， 其中， 为光斑中心能量， 为光斑质心位置坐标， 为高斯光斑束腰半径， 为CCD 靶面光电转换系数； 光斑中心存在过曝 的情况下，  ； S12、 通过设定最大熵阈值 ， 将图像中的像素分为有效响应和背景两 类， 实现输入图像 到输出图像 的变换： ， 其中， 表示属于有效响应区域的图像， 表示属于背景类别的图像， 最 大熵阈值 可表示为  ， 其中， 对于具有 级灰度值的光斑 图像， 其灰度变化范围为 ， 假设光斑图像的有效响应区域 由灰度级高于 的像素 点构成， 暗背景区域 由灰度级低于 的像素点构成， 那么有效响应区域 的熵 和 暗背景区域 的熵 分别为：权　利　要　求　书 1/2 页 2 CN 115393440 A 2， 其中， 表示图像 中像素灰度值为 的概率， 表示有效响应区域 所有像素累计概 率； 选取该最大熵阈值T 进行图像分割， 得到最大熵阈值图像。 4.根据权利要求1所述的光端机信标光斑中心定位方法， 其特征在于， 步骤S3 中所述各 个网格单 元的有效响应面积计算方法为： ， 其中， 代表第 行第 列单元有效响应面积， 、 、 和 分别代表网格单元 轴和 轴的上下限， 为网格单元中二值化图像坐标 处 像素响应值。 5.根据权利要求1所述的光端机信标光斑中心定位方法， 其特征在于， 所述预训练的BP 神经网络的初始权重、 每层神经元 的数量、 网络隐藏层数量以及输入层和输出层节点数量 如下： （1） 输入层和输出层节点的数量： 输入层节点数量为16个， 输出层节点为光斑位置的横 纵坐标值， 数量 为2个； （2） 隐藏层的数量： 1； （3） 隐层节点数的选择： 10； （4） 初始权 重： 之间的随机数； （5） 学习速率： 0.1。 6.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质用于存储计算机 程序， 所述计算机程序执行如权利要求1 ‑5中任意一项所述的光端机信标光斑中心定位方 法。 7.一种电子设备， 其特征在于， 包括处理器和存储器， 其中处理器、 存储器通过通信总 线完成相互间的通信； 存储器， 用于存储计算机程序； 处理器， 用于执行存储器上所存放的 计算机程序时， 实现如权利要求1 ‑5中任意一项所述的光端机信标光斑中心定位方法。权　利　要　求　书 2/2 页 3 CN 115393440 A 3