论文摘要：空间目标检测与识别研究

空间目标的检测与识别已经成为空间探测过程中不可或缺的一环，用于辅助探测空间非合作航天器的任务、尺寸、形状及轨道参数等重要目标特性，其任务已涵盖测轨编目、反卫支持、陨落及解体监视、碰撞规避以及空间支援等诸多方面。根据空间追踪飞行器中目标检测与识别的需要，本文首先分析了深空背景下成像的特点、目标飞行器可能的运动方式，以及大气临边背景的影响，在此基础上建立了实验图像数据库，以便对算法进行测试与评估；在分析现有文献算法的基础上，提出了相应的目标检测与识别算法，完成了对空间目标检测和识别系统的设计。论文主要工作如下：针对空间目标检测与识别算法测试和评估的需要，本文根据深空背景特点、目标成像情况和干扰点特性，模拟生成了天基拍摄条件下的深空场景图像和几种具有典型结构特征的卫星图像。其中，深空场景模拟方面是以SAO星表为基础，通过坐标变换实现恒星视位置和像素位置的计算，并考虑了自行、岁差等修正和恒星光谱型及其成像特点，完成星空图像的绘制。卫星方面则是通过Starry Night模拟6种具有典型结构特征的卫星在位置、尺度、旋转和视点变化下的状况，生成卫星图像序列。针对低轨弱小目标检测中的大气临边背景抑制问题，本文提出了一种融合中值差滤波和边缘检测算子的背景抑制算法，并进行了几种背景抑制算法的效果评估实验。结果证明，该算法较为有效抑制了背景杂闪光、较亮的背景眩光和复杂的地球背景等大气临边背景的干扰，初步解决了低轨弱小目标检测中的复杂背景干扰问题。针对高轨弱小目标检测问题，本文采用基于概率的Hough变换，实现了图像中高轨目标的捕获。针对空间目标旋转、尺度、视点及亮度变化等问题，本文提出了一种基于特征区域的空间有形目标识别方法。首先结合空间信息匹配SIFT特征点，利用仿射变换生成特征区域，最后合成特征字典并使用支持向量机进行目标识别。仿真实验表明，本方法对空间目标旋转、尺度及视点等变化具有较好的稳定性。而且与传统的局部描述子算法相比，该特征区域有以下优点：（1）利用空间关系去除冗余特征点，从而降低了描述子的维数，减少了分类器训练和识别时的计算量；（2）利用空间信息有效匹配特征点，克服了相似特征点的干扰；（3）有效区分开前景和背景，从而降低了复杂背景的干扰；（4）基于仿射变换矩阵生成特征区域，同时特征区域内的每个有效特征点都参与了评分过程，从而对空间目标的尺度变化、旋转及视点变化等有更好的稳定性。

来源：半壳优胜育转载请保留出处和链接！

本文链接：http://87cpy.com/208138.html