一种高效率暗弱空间目标识别方法技术

一种高效率暗弱空间目标识别方法，步骤为：1)星图成像，获得包含暗弱目标的一系列星空图；2)星图处理，提取块状亮点。3)恒星剔除，主要将大部分恒星元素从所有亮点中去除；4)获得疑似目标队列中每个块状亮点的运动特征；5)确定有序特征集；6)目标跟踪，对已建立的确认目标队列进行跟踪，预测下一帧该目标位置，成功则计算目标参数，提取精确的方位信息，将其加入确认目标队列。本发明专利技术方法能最大程度从提取亮点中去除干扰元素、如恒星和噪点等，最终实现空间暗弱目标的探测、提取、识别、跟踪等任务，特别适用于信噪比低、复杂星图背景、多种多样目标信息未知的场合。

An efficient method of dim space target recognition

【技术实现步骤摘要】
一种高效率暗弱空间目标识别方法
本专利技术涉及一种高效率暗弱空间目标识别方法，属于态势感知、空间监视等

技术介绍
空间轨道未编目微小目标的急剧增长，如毫米级或厘米级的微小碎片、航天器逆反轨道的空间物体，对空间站建设维护、卫星防护、航天器发射任务造成了直接威胁，高灵敏度探测技术已面临现实需求。直径10cm以上的碎片和卫星超过30000个，1cm～10cm的约为50万个，小于1cm的超过100亿个，然而通过地基雷达和光电系统已经编目定轨的空间目标只有23000个，对于低轨小于10cm、高轨小于0.5m的目标，上述手段已经难以监测。针对点状运动目标提取，Marchant等在90年代专利技术了帧间搜索方法，需要多次设定更新帧间搜索区域和阈值才能有效提取目标，当目标帧间搜索区域或阈值不合理，则会丢掉目标或将恒星等元素误认为目标；Yanagisawa等为解决GEO碎片搜索，提出的堆栈法需要叠加多幅暗弱星图，需要将多个恒星进行重叠化处理，然后将其他不能重叠的目标视为疑似目标，再进行判别，其实现思路与帧间匹配一致，但配图过程较为复杂。Schildknecht等提出一种掩膜技术主要用于处理原始图像信息，要求掩膜区域要达到一定精确度，Bertin等提出了互相关算法需要提供原始恒星或目标位置等先验信息。其他研究方案，如Dawson提出一种最大似然跟踪算法、Vananti提出一种将条带图像与不同滤波器卷积的识别方法、Kouprianov提出一种PSF拟合技术，主要针对条带目标，非主要研究对象。张春明等提出的一种空间非合作多目标捕获与跟踪算法效率很高，但需要人为经验去设置匹配阈值，当阈值设置过大或过小，会出现Marchant等采用的帧间搜索同样问题。崔文楠等提出的轨迹编目方法，采用阈值半径搜索法搜索目标，当目标运行速度较大时，遗失目标的可能性更大。苏瑞风等提出的天基空间目标识别方法采用基准星对准方法，与Yanagisawa等采用的堆栈法具有类似的问题。从以上方法可以看出，既有的方法对于先验信息的依赖程度较大，尤其是对阈值的设定需要经验确定，无法适应空间目标运动变化快，无法完成分类识别问题。为解决上述问题，提出一种高效率暗弱空间目标识别方法，无需先验信息，能够对非合作目标进行在线分类、关联、提取，识别的准确度和速度均有较大提升。
技术实现思路
本专利技术的技术解决问题是：克服现有技术的不足，提出了一种高效率暗弱空间目标识别方法，解决了现有方法存在对先验信息依赖大，多目标情况下易出现误识别、提取速度低、无法在线分类的问题。本专利技术的技术方案是：一种高效率暗弱空间目标识别方法，包括如下步骤：1)采用高分辨率相机对星空成像，获得K帧暗场图像，所述暗场图像包括多个空间运动目标；所述K为正整数；2)对步骤1)获得的所述K帧暗场图像采样处理，每间隔t帧提取一幅暗场图像作为采样图像，获得M帧采样图像，对所述采样图像进行图像处理，获得每帧采样图像中的块状亮点；其中，t为大于或等于1的正整数，且t＜K；3)筛选步骤2)所述每帧采样图像中的所有块状亮点，获得疑似目标队列；4)获得步骤3)所述疑似目标队列中每个块状亮点的运动特征；5)根据步骤4)获得的所有块状亮点的运动特征，确定N个有序特征集；6)根据步骤4)所述疑似目标队列中每个块状亮点的运动特征和步骤5)确定N个有序特征集，识别出空间运动目标，完成暗弱空间目标识别工作。所述步骤3)获得疑似目标队列的方法，具体为：31)分别确定每帧采样图像中两两块状亮点之间的角距所述第j帧采样图像中块状亮点的个数为b，则有b(b-1)/2个角距，i，j均为正整数，表示第k帧采样图像中第i个块状亮点和第j个块状亮点之间的角距，k∈[1，M]；32)根据角距阈值κ1和步骤31)所述每帧采样图像中的角距，分别从每帧采样图像中提取出大于或等于所述角距阈值κ1的角距，作为每帧采样图像的一次筛选结果；其中，κ1大于恒星的角距误差；33)依次分别将每帧采样图像的一次筛选结果中的每个块状亮点分别和前一帧采样图像的一次筛选结果中的每个块状亮点做比对，根据剔除条件，从每帧采样图像的一次筛选结果中提取出不满足剔除条件的块状亮点，作为疑似目标队列。本专利技术与现有技术相比的有益效果是：1)本专利技术提出一种空间目标证认方法，与当前的国内公开目标跟踪方法、国外公开的掩模法、相关匹配法皆不相同，本专利技术方法对先验信息和硬件依赖少；2)本专利技术能够在线对目标自主分类、验证，适用于各类空间小目标；3)本专利技术实现对多个目标实时证认处理，可提取目标种类多、数量上无限制，冗余步骤少，效率高。附图说明图1为本专利技术方法流程图；图2为本专利技术星点提取效果图；图3为本专利技术疑似目标分布图；图4为本专利技术运动目标分布图；图5为本专利技术3个运动目标轨迹图；图6为本专利技术多帧剔星流程图；图7为本专利技术运动分类实施效果图；图8为本专利技术实施例效果图。具体实施方式本专利技术一种高效率暗弱空间目标识别方法，如图1所示，包括步骤如下：1)采用高分辨率相机对星空成像，获得K帧暗场图像，所述暗场图像包括多个空间运动目标；所述K为正整数；2)对步骤1)获得的所述K帧暗场图像采样处理，每间隔t帧提取一幅暗场图像作为采样图像，获得M帧采样图像，对所述采样图像进行图像处理，获得每帧采样图像中的块状亮点；t为大于或等于1的正整数，且t＜K；步骤2)所述采样图像的总帧数M，具体为：当K为奇数时，当K为偶数时，3)筛选步骤2)所述每帧采样图像中的所有块状亮点，剔除所述块状亮点中的恒星和噪点，获得疑似目标队列，具体为：31)分别确定每帧采样图像中两两块状亮点之间的角距所述第j帧采样图像中块状亮点的个数为b，则有b(b-1)/2个角距，i，j均为正整数，表示第k帧采样图像中第i个块状亮点和第j个块状亮点之间的角距，k∈[1，M]；32)根据角距阈值κ1和步骤31)所述每帧采样图像中的角距，分别从每帧采样图像中提取出大于或等于所述角距阈值κ1的角距，作为每帧采样图像的一次筛选结果；其中，κ1大于恒星的角距误差；33)依次分别将每帧采样图像的一次筛选结果中的每个块状亮点分别和前一帧采样图像的一次筛选结果中的每个块状亮点做比对，根据剔除条件，从每帧采样图像的一次筛选结果中提取出不满足剔除条件的块状亮点，作为疑似目标队列；步骤33)所述剔除条件为：若或时，则对应的第k帧采样图像中第i个块状亮点和第j个块状亮点满足剔除条件，反之，则不满足剔除条件；其中，表示第k-1帧暗场图像中第p个块状亮点和第q个块状亮点；κ1为角距阈值，κ1大于恒星的角距误差，κ2为位置阈值，κ2大于0.3个探测器的象元，为第k帧中任意某两个块状亮点的欧拉距离。4)采用证认方法获得步骤3)所述疑似目标队列中每个块状亮点的运动特征；所述块状亮点的运动特征为块状亮点的本文档来自技高网...

【技术保护点】
1.一种高效率暗弱空间目标识别方法，其特征在于，包括如下步骤：/n1)采用高分辨率相机对星空成像，获得K帧暗场图像，所述暗场图像包括多个空间运动目标；所述K为正整数；/n2)对步骤1)获得的所述K帧暗场图像采样处理，每间隔t帧提取一幅暗场图像作为采样图像，获得M帧采样图像，对所述采样图像进行图像处理，获得每帧采样图像中的块状亮点；其中，t为大于或等于1的正整数，且t＜K；/n3)筛选步骤2)所述每帧采样图像中的所有块状亮点，获得疑似目标队列；/n4)获得步骤3)所述疑似目标队列中每个块状亮点的运动特征；/n5)根据步骤4)获得的所有块状亮点的运动特征，确定N个有序特征集；/n6)根据步骤4)所述疑似目标队列中每个块状亮点的运动特征和步骤5)确定N个有序特征集，识别出空间运动目标，完成暗弱空间目标识别工作。/n

【技术特征摘要】
1.一种高效率暗弱空间目标识别方法，其特征在于，包括如下步骤：
1)采用高分辨率相机对星空成像，获得K帧暗场图像，所述暗场图像包括多个空间运动目标；所述K为正整数；
2)对步骤1)获得的所述K帧暗场图像采样处理，每间隔t帧提取一幅暗场图像作为采样图像，获得M帧采样图像，对所述采样图像进行图像处理，获得每帧采样图像中的块状亮点；其中，t为大于或等于1的正整数，且t＜K；
3)筛选步骤2)所述每帧采样图像中的所有块状亮点，获得疑似目标队列；
4)获得步骤3)所述疑似目标队列中每个块状亮点的运动特征；
5)根据步骤4)获得的所有块状亮点的运动特征，确定N个有序特征集；
6)根据步骤4)所述疑似目标队列中每个块状亮点的运动特征和步骤5)确定N个有序特征集，识别出空间运动目标，完成暗弱空间目标识别工作。


2.根据权利要求1所述的一种高效率暗弱空间目标识别方法，其特征在于，所述步骤3)获得疑似目标队列的方法，具体为：
31)分别确定每帧采样图像中两两块状亮点之间的角距所述第j帧采样图像中块状亮点的个数为b，则有b(b-1)/2个角距，i，j均为正整数，表示第k帧采样图像中第i个块状亮点和第j个块状亮点之间的角距，k∈[1，M]；
32)根据角距阈值κ1和步骤31)所述每帧采样图像中的角距，分别从每帧采样图像中提取出大于或等于所述角距阈值κ1的角距，作为每帧采样图像的一次筛选结果；其中，κ1大于恒星的角距误差；
33)依次分别将每帧采样图像的一次筛选结果中的每个块状亮点分别和前一帧采样图像的一次筛选结果中的每个块状亮点做比对，根据剔除条件，从每帧采样图像的一次筛选结果中提取出不满足剔除条件的块状亮点，作为疑似目标队列。


3.根据权利要求2所述的一种高效率暗弱空间目标识别方法，其特征在于，步骤33)所述剔除条件为：若时，则对应的第k帧采样图像中第i个块状亮点和第j个块状亮点满足剔除条件，反之，则不满足剔除条件；其中，表示第k-1帧暗场图像中第p个块状亮点和第q个块状亮点。


4.根据权利要求3所述的一种高效率暗弱空间目标识别方法，其特征在于，步骤4)所述块状亮点的运动特征为块状亮点的位置、块状亮点的赤经赤纬或块状亮点的矢量信息中的任意一个。


5.根据权利要求3所述的一种高效率暗弱空间目标识别方法，其特征在于，所述步骤5)确定N个有序特征集的方法，具体为...

【专利技术属性】
技术研发人员：张俊，孙大开，张洪健，王立，武延鹏，张春明，田玉松，卢欣，钟红军，赵春晖，李春艳，郑然，
申请(专利权)人：北京控制工程研究所，
类型：发明
国别省市：北京;11