星敏感器是导航系统中的重要设备,研究星敏感器工作过程中的关键技术——星图识别具有重要的意义。迄今为止,人们已经对星图识别进行了长期的研究,但传统的星图识别算法对天区有强依赖性。本文在分析典型算法的基础上,综合传统算法的特点,同时对前期星图预处理技术进行改进,从星点提取和星图匹配两个角度进行探索,提高匹配算法的工程实用性。为了实现星图匹配初期星点的高精度提取,本文提出了基于变邻域权值的背景预测算法。该算法利用中心像素及其附近像素的分布特征,通过星点和背景的像素分布特点,自适应地确定算法最佳预测权值,进而对星图背景进行预测。之后,本文结合目标标记,采用带阈值的质心算法来提取星点坐标。最后,对模拟星图和实际拍摄星图进行实验,实验结果表明,相对于其他背景预测算法,本文提出的变邻域权值的预测算法对星点的检测率更高,能够进行稳定高精度的星点提取。同时,本文通过研究不同噪声对星点质心位置的影响,验证了提出算法的有效性,为后续星图匹配的研究奠定基础。为了提高星图识别的工程适用性,本文提出了基于Hausdorff距离和星型拓扑结构的识别算法。该算法通过引入星等信息来确定主星和辅星,并根据其Hausdorff距离进行星图粗识别;同时,构造以主星为中心,向四周星点辐射的点到点的星型拓扑结构,根据转动角和角距特征,进行星图的最优匹配。针对影响星图匹配算法的因素,本文分别对空间范围的选取、导航星库导航星的特征维度、主副导航星的选取等,进行改进的算法综合验证。经过大量的测试,得出了适合本文算法的最佳参数选取范围。同时,本文设置了不同的干扰噪声,对改进算法和三角形算法进行实验对比,实验结果表明,改进算法的抗干扰能力更强,对星点的检测率和识别率更高。