Dans des conditions dynamiques, l'effet de flou des taches stellaires sur le plan d'imagerie réduit la précision de l'extraction du centroïde, impactant ainsi l'estimation de l'attitude. Pour améliorer les performances dynamiques du capteur stellaire, un algorithme de restauration d'image stellaire non aveugle assisté par filtrage de Kalman étendu multiplicatif (MEKF) basé sur un noyau de flou hétérogène est proposé. Cet algorithme comprend trois étapes : premièrement, utiliser le MEKF pour estimer l'attitude et la dérive gyroscopique afin d'éliminer les erreurs de mesure du capteur stellaire et la dérive du gyroscope. Deuxièmement, utiliser l'attitude prédite par le MEKF comme condition initiale pour accélérer l'exécution de l'algorithme suivant. Enfin, une méthode d'estimation du noyau de flou hétérogène assistée par gyroscope est proposée pour restaurer l'image stellaire affectée par un flou de mouvement non uniforme et non linéaire. Contrairement aux algorithmes existants de défloutage des images stellaires dynamiques qui se concentrent principalement sur le contenu de l'image, cette méthode s'attache à la cause du flou de mouvement, fusionnant MEKF et technologie de noyau de flou hétérogène. Cela renforce considérablement la robustesse au bruit et améliore la précision de la restauration. Les résultats de simulation montrent que cette méthode surpasse nettement les techniques actuelles, augmentant la précision d'extraction du centroïde jusqu'à 59,64 % et améliorant la précision d'orientation selon les axes de plus de 78,94 %.

Estimation du noyau de flou hétérogène; environnement dynamique; restauration locale d'image; filtrage de Kalman étendu multiplicatif; dérive gyroscopique