一种基于多层对抗网络的空间目标分类方法技术

本发明专利技术公开了一种基于多层对抗网络的空间目标分类方法，包括以下步骤：步骤1：成像载荷对成像目标进行时序多帧投影，获取空间影像；步骤2：对空间影像进行特征增广，获取增广空间影像；步骤3：基于顶层对抗网络，对增广空间影像进行前景提取，提取出前景信息；步骤4：基于条件卷积对抗训练，对前景信息进行递进式的两级对抗，提取出通用表征向量，完成空间目标分类。此发明专利技术解决了复杂状态下成像载荷获取影像中目标种类多样，且存在相对运动时的分类问题，基于对抗网络通过博弈可实现特征可靠提取，实现了多种复杂目标的准确分类，并开展了针对性应用，有效提高了主动航天器在轨的自主运行能力，为航天器自主导航和安全生存提供了重要保障。

A method of spatial target classification based on multi-layer countermeasure network

【技术实现步骤摘要】
一种基于多层对抗网络的空间目标分类方法
本专利技术涉及航天器导航
，具体涉及一种基于多层对抗网络的空间目标分类方法。
技术介绍
随着各国空间技术的发展，对空间设备的自主性和功能性要求也逐渐增高。一方面，对航天器的自主性而言，全自主定轨是最基本的生存运行能力，在定轨过程中恒星和行星等天体影像是重要的信息源，因此需要在空间影像中准确的对恒星和行星进行分类；另一方面，对于航天器的功能性而言，无论是安全生存还是碎片清理，主动探测和主动识别目标是安全运行和执行任务的前提。同时，由于未知空间目标与主动航天器间可能存在轨道、姿态的相对运动，导致空间目标的影像信息产生复杂变化，按照现有的常规分类方法难以同步拆分。因此，急需一个可靠的空间目标分类方法，对目标的亮度、身份、个体特征等具有较强的鲁棒性，广泛适用于空间环境，能够实现多种类复杂目标的准确分类。
技术实现思路
本专利技术的目的是提供一种基于多层对抗网络的空间目标分类方法。此系统旨在解决复杂状态下成像载荷获取的影像中，目标种类多样，且存在相对运动时的分类问题，基于对抗网络通过博弈可实现特征可靠提取，提出一种对目标的亮度、身份、个体特征等具有较强的鲁棒性，广泛适用于空间环境，能够实现多种复杂目标准确分类的方法，使航天器实现对载荷观测图像的有效分类，并开展针对性应用，有效提高主动航天器在轨的自主运行能力，为航天器自主导航和安全生存提供重要保障。为达到上述目的，本专利技术提供了一种基于多层对抗网络的空间目标分类方法，包括以下步骤：步骤1：主动航天器的成像载荷对成像目标进行时序多帧投影，获取空间影像；步骤2：对空间影像进行特征增广，获取增广空间影像；步骤3：基于顶层对抗网络，对空间影像和增广空间影像进行前景提取，在达到第一纳什均衡的状态下，提取出增广空间影像的前景信息；步骤4：基于条件卷积对抗训练，对前景信息进行递进式的两级对抗，在达到第二纳什均衡的状态下，提取出通用表征向量，完成空间目标分类。最优选的，成像载荷为安装在主动航天器上的、惯性指向稳定的、以拍摄非地面目标为主要任务的空间相机。最优选的，空间影像是指包含恒星、行星、航天器、失效翻滚碎片、噪声的连续多帧的图像信息及其时域增广信息。最优选的，特征增广包括以下步骤：步骤2.1：对空间影像进行图像处理，获取处理后的空间影像；步骤2.2：对处理后的空间影像中的信息进行时域信息增广，获取在单帧影像中无法得到的、需要处理连续多帧影像方可考察的特征，如时域特征，即物理信息随时间变化的特征，从而形成具有更多特征的增广空间影像。最优选的，增广空间影像中增广的特征包括轨迹斜率、速度计算、像点频率。最优选的，前景提取包括以下步骤：步骤3.1：基于顶层对抗网络，对空间影像和增广空间影像进行分析，生成判别模型和生成模型；步骤3.2：通过判别模型和生成模型的零和博弈，获得目标函数，并根据目标函数调整判别模型和生成模型达到第一纳什均衡；步骤3.3：在第一纳什均衡的状态下，通过判别模型对增广空间影像进行鉴别，判定为真，则通过生成模型提取出前景信息。最优选的，两级对抗包括以下步骤：步骤4.1：基于一级对抗学习，根据判别模型对前景信息进行一级光学特征提取，识别出前景信息中的自然天体特征和人造物体特征；步骤4.2：采用条件卷积对抗过程，分别对一级对抗学习中识别的自然天体特征和人造物体特征进行二级对抗分类，提取出通用表征向量，完成空间目标分类。最优选的，通用表征向量包括根据自然天体特征提取出的恒星、行星特征和根据人造物体特征提取出的航天器、失效翻滚特征。运用此专利技术，解决了复杂状态下成像载荷获取的影像中，目标种类多样，且存在相对运动时的分类问题，基于对抗网络通过博弈可实现特征可靠提取，提出了一种对目标的亮度、身份、个体特征等具有较强的鲁棒性，广泛适用于空间环境，能够实现多种复杂目标准确分类的方法，使航天器实现了对载荷观测图像的有效分类，并开展了针对性应用，有效提高了主动航天器在轨的自主运行能力，为航天器自主导航和安全生存提供了重要保障。相对于现有技术，本专利技术具有以下有益效果：1、本专利技术将获取的复杂空间影像准确分类，明确其中的恒星、行星、航天器、失效翻滚碎片等目标，为后续准确的应用影像信息，如采用对应天体自主导航、或针对固定目标展开跟踪、或面向指定碎片进行清除等，提供最基本的技术保障。2、本专利技术通过对抗学习的方式实现，鲁棒性强、对亮度不敏感、对身份能抑制、类内差异可消除。3、本专利技术能够在发生相对运动的状态下完成分类，同步拆分多类空间目标。附图说明图1为本专利技术提供的空间目标分类方法的流程图；图2为本专利技术提供的前景提取的流程图；图3为本专利技术提供的一级对抗学习的示意图；图4为本专利技术提供的二级对抗学习的示意图。具体实施方式以下结合附图通过具体实施例对本专利技术作进一步的描述，这些实施例仅用于说明本专利技术，并不是对本专利技术保护范围的限制。主动航天器为处于自然绕飞模式下的航天器；成像载荷为安装在主动航天器上的惯性指向稳定的探测器，用于拍摄非地面目标。在复杂状态下主动航天器的成像载荷获取的影像中目标种类多样。复杂状态为主动航天器与成像目标之间复杂的相对运动、成像环境的光照调节、成像目标毫无先验信息以及种类。本专利技术是一种基于多层对抗网络的空间目标分类方法，如图1所示，包括以下步骤：步骤1：主动航天器的成像载荷在复杂状态下按照时序对成像目标进行时序多帧投影，获取空间影像P(1,2,...,i)。其中，在本实施例中，成像载荷为空间相机。空间影像P(1,2,...,i)包含恒星、行星、航天器、失效翻滚碎片、噪声的连续多帧的图像信息及其时域增广信息。步骤2：对空间影像P(1,2,...,i)进行特征增广，获取增广空间影像Pj，能够扩充空间影像P(1,2,...,i)中目标特征表征向量的维度，为后续提高通用表征向量的提取效果提供了便利。特征增广包括以下步骤：步骤2.1：对空间影像P(1,2,...,i)进行图像处理，获取处理后的空间影像；步骤2.2：对所述处理后的空间影像中的信息进行时域信息增广，获取在单帧影像中无法得到的、需要处理连续多帧影像方可考察的特征，如时域特征，即物理信息随时间变化的特征，从而形成具有更多特征的增广空间影像Pj。其中，增广空间影像Pj中增广的特征包括轨迹斜率、速度计算、像点频率，且增广空间影像Pj中增广的特征是在单帧影像中无法获取，且需要处理连续多帧影像方可考察的特征。步骤3：基于顶层对抗网络，对空间影像P(1,2,...,i)和增广空间影像Pj进行前景提取，在达到第一纳什均衡的状态下，提取出增广空间影像Pj的前景信息；前景信息为增广空间影像Pj中去除背景和噪声的可提取信息的被任务关注的成像目标所成的影像。其中，如图2所示，前景提取包括以下步骤本文档来自技高网...

【技术保护点】
1.一种基于多层对抗网络的空间目标分类方法，包括以下步骤：/n步骤1：主动航天器的成像载荷对成像目标进行时序多帧投影，获取空间影像；/n步骤2：对所述空间影像进行特征增广，获取增广空间影像；/n步骤3：基于顶层对抗网络，对所述空间影像和所述增广空间影像进行前景提取，在达到第一纳什均衡的状态下，提取出增广空间影像的前景信息；/n步骤4：基于条件卷积对抗训练，对所述前景信息进行递进式的两级对抗，在达到第二纳什均衡的状态下，提取出通用表征向量，完成空间目标分类。/n

【技术特征摘要】
1.一种基于多层对抗网络的空间目标分类方法，包括以下步骤：
步骤1：主动航天器的成像载荷对成像目标进行时序多帧投影，获取空间影像；
步骤2：对所述空间影像进行特征增广，获取增广空间影像；
步骤3：基于顶层对抗网络，对所述空间影像和所述增广空间影像进行前景提取，在达到第一纳什均衡的状态下，提取出增广空间影像的前景信息；
步骤4：基于条件卷积对抗训练，对所述前景信息进行递进式的两级对抗，在达到第二纳什均衡的状态下，提取出通用表征向量，完成空间目标分类。


2.如权利要求1所述的基于多层对抗网络的空间目标分类方法，其特征在于，所述成像载荷为安装在主动航天器上的、惯性指向稳定的、以拍摄非地面目标为主要任务的空间相机。


3.如权利要求1所述的基于多层对抗网络的空间目标分类方法，其特征在于，所述空间影像是指包含恒星、行星、航天器、失效翻滚碎片、噪声的连续多帧的图像信息及其时域增广信息。


4.如权利要求3所述的基于多层对抗网络的空间目标分类方法，其特征在于，所述特征增广包括以下步骤：
步骤2.1：对所述空间影像进行图像处理，获取处理后的空间影像；
步骤2.2：对所述处理后的空间影像中的信息进行时域信息增广，获取在单帧影像中无法得到的、需要处理连续多帧影像方可考察的特征，如时域特征，即物理信息随时间变化的特征，从而形成具有更多特征的增广空间影像。

...

【专利技术属性】
技术研发人员：韩飞，王兆龙，孙俊，贺亮，陈文，李木子，
申请(专利权)人：上海航天控制技术研究所，
类型：发明
国别省市：上海;31