The invention provides a method for identifying functional types of satellites, which includes acquiring target satellite spatial images, adjusting the resolution of the acquired target satellite spatial images, and processing the target images based on ResNet neural network model to determine the corresponding functional types of the target satellites. The method for recognizing functional types of applied satellites provided by the present invention can obtain images that can be recognized by ResNet neural network model by adjusting the resolution of space images of target satellites. The functional types of applied satellites can be independently recognized by ResNet neural network model in orbit, which does not depend on manual interpretation and judgment on the ground, thus improving the recognition efficiency and satisfying the lack of prior information. The need for real-time service and operation of non-cooperative space objectives.
【技术实现步骤摘要】
一种应用卫星功能类型识别方法
本专利技术涉及一种应用卫星功能类型识别方法,属于卫星识别
技术介绍
应用卫星是直接为国民经济、军事活动和文化教育服务的人造卫星,在各类人造卫星中,应用卫星发射数量最多,种类也最多。各种应用卫星按其工作基本特性,大致可以分为三大类,即对地观测类、无线电中继类和导航定位基准类。应用卫星在通信、导航、遥感等军用和民用领域发挥着重要作用。对应用卫星开展在轨服务可延长卫星寿命、提高任务执行能力,是当前国内外的研究热点之一。在对应用卫星进行在轨服务的过程中,根据需要可对在轨卫星进行辅助变轨、燃料补给、姿态控制、卫星接管、故障修复等操作。在对失效或故障卫星进行在轨维修维护时,首先须安全接近被服务卫星。对于非合作目标来说,其星表特征、关键载荷、运动状态等很难提前获取,在接近过程中必须对目标功能类型、运动状态、操作部位等进行准确认知,以确定接近停靠或控制策略,并避免碰撞。现有空间非合作目标类型认知通常是通过服务飞行器获取目标飞行器的空间图像并将图像传输给地面指控中心,地面指控中心根据图像信息采用边缘检测、特征拟合等图像识别方法人为确定非合作目标飞行器类型,并将确认的类型发送给服务飞行器。现有方法存在如下问题:星地回路存在大时延,无法满足对先验信息匮乏的非合作空间目标进行实时服务和操作的需要。
技术实现思路
针对现有技术中存在的问题,本专利技术提供一种应用卫星功能类型识别方法,该方法对在轨产生的空间目标可见光图像自主处理和分类识别,单目标功能类型分类速度小于100ms,准确率可达到90%。本专利技术的技术解决方案是:一种应用卫星功能类型识别 ...
【技术保护点】
1.一种应用卫星功能类型识别方法,其特征在于,包括:获取目标卫星空间图像,并对获取到的目标卫星空间图像进行分辨率调整,得到目标图像;基于ResNet神经网络模型对所述目标图像进行数据处理,确定所述目标卫星对应的功能类型。
【技术特征摘要】
1.一种应用卫星功能类型识别方法,其特征在于,包括:获取目标卫星空间图像,并对获取到的目标卫星空间图像进行分辨率调整,得到目标图像;基于ResNet神经网络模型对所述目标图像进行数据处理,确定所述目标卫星对应的功能类型。2.根据权利要求1所述的应用卫星功能类型识别方法,其特征在于,所述ResNet神经网络模型包括初始卷积层、三个残差学习模块和全连接层,每个所述残差学习模块包括两个残差学习单元,所述初始卷积层输出特征图集给第一个残差学习模块,第一个所述残差学习模块输出新的特征图集给第二个所述残差学习模块,第二个所述残差学习模块输出新的特征图集给第三个所述残差学习模块,第三个所述残差模块输出新的特征图集给所述全连接层,其中:所述初始卷积层,用于:对所述目标图像进行一次二维卷积,得到特征图集;所述残差学习模块的第一残差学习单元,用于:对输入本单元的特征图集进行一次卷积操作,得到本单元的残差特征图集;对所述输入本单元的特征图集依次进行标准化操作、激活操作及一次卷积操作,得到一次卷积操作后的特征图集,对所述一次卷积操作后的特征图集依次进行标准化操作、激活操作及一次卷积操作,得到二次卷积后的特征图集;根据所述本单元的残差特征图集和本单元的所述二次卷积后的特征图集确定本单元输出的特征图集,并将所述本单元输出的特征图集输出给所述残差学习模块的第二残差学习单元;所述残差学习模块的第二残差学习单元,用于:对输入本单元的特征图集依次进行标准化操作、激活操作及一次卷积操作,得到一次卷积后的特征图集,对本单元的一次卷积后的特征图集依次进行标准化操作、激活操作及一次卷积操作,得到二次卷积后的特征图集;根据输入本单元的特征图集和本单元的所述二次卷积后的特征图集确定本单元的输出特征图集;所述全连接层,用于:对第三个所述残差学习模块输出的特征图集进行平均池化,提取用于卫星类型识别的特征向量,并进行全连接操作,根据所述特征向量确定各卫星类型对应的特征累加向量,通过分类器进行分类概率统计,从而确定所述目标卫星对应的功能类型。3.根据权利要求1所述的应用卫星功能类型识别方法,其特征在于,所述目标图像的分辨率不低于256×256。4.根据权利要求1所述的应用卫星功能类型识别方法,其特征在于,还包括:建立卫星空间图像样本库,所述样本库中包含多个卫星类型及各所述卫星类型对应的图像样本集;基于所述卫星空间图像样本库,对初始R...
【专利技术属性】
技术研发人员:庞羽佳,李志,蒙波,黄龙飞,张志民,王尹,韩旭,黄剑斌,
申请(专利权)人:中国空间技术研究院,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。