随着时代的发展,我国的航天技术取得一系列新进展,航天器的定姿调姿对精度、准度的要求也越来越高。星敏感器是综合性能最好的姿态敏感器,星图识别是星敏感器的关键技术之一。星图识别是指构建导航星库,把所选取的导航星特征录入到导航星数据库进行存储,然后星敏感器通过拍摄得到星图,根据星图提取出观测星特征,并将观测星特征和导航星数据库中存储的特征进行比对,计算得到观测星在天球坐标系下的位置,从而确定航天器的姿态的过程。开展对星图识别过程中关键技术的研究对星敏感器导航技术的发展有非常重要的意义的。本文从星图识别算法的整体出发,对导航星库的建立、实际星图的模拟、星图图像的处理以及星图的识别匹配四个方面进行了研究,在星图识别匹配的过程中引入了神经网络模型,并检查了模型的抗干扰能力。本文首先介绍了星图识别算法所涉及的基础知识,包括恒星理论、星敏感器理论和神经网络的基本理论。其次对SAO星表进行筛选,按顺序剔除了重复星、星等缺失星、双星、变星,并剔除了星等高于6.0的恒星,筛选了4 988颗恒星,最后通过对下角距星对进行适当处理以及对已筛选恒星进行均匀化处理,筛选出3 430颗恒星,并成功建立了导航星库。根据拟合优度检验的结果,本文所建立的导航星库虽然有较少的区域仍存在恒星的聚集,但整体而言是服从球面上的均匀分布的。然后,本文利用导航星库对实际的星图进行了模拟,并用全局阈值法、均值滤波、高斯滤波等方法对星图进行降噪,并用信噪比和峰值信噪比比较了各降噪算法的优劣。接下来,本文对模拟星图进行了连通域检测,并用平方加权质心法对星图中的星点进行了质心提取。最后,本文三角形算法和栅格算法提取了星图的特征,其中三角形算法的特征库包含了1 107 259个特征三角形,而栅格算法的特征库仅包含3 430个稀疏的特征矩阵。本文将神经网络算法与栅格算法结合起来,提出了新的星图识别算法,其在模拟条件下识别率可达到95%。新方法相对三角形算法有更强的抗干扰能力和稳健性。本文的结论是,基于神经网络算法的星图识别方法比传统方法的识别率和识别效率更高,抗干扰能力也更强,神经网络模型在星图识别领域中有较大的应用价值。