【技术实现步骤摘要】
面向卫星星座的远距离图像多目标识别方法
[0001]本专利技术涉及一种空间多目标跟踪方法,尤其涉及一种适用于复杂星空背景下多个弱成像目标的识别方法,属于空间目标识别
技术介绍
[0002]随着巨型卫星星座不断发展,星座内卫星数量大幅度增加,空间监视和态势感知变的越发重要。为了准确获取空间态势信息,提高安全持续监控能力,对空间多目标进行识别与跟踪变的尤为重要。利用近地轨道天基平台对低轨目标进行探测,具备测量精度高、隐蔽性强等优点,已成为空间目标跟踪监视的主要途径。但巨型星座卫星数量庞大,天基平台的探测范围有限,卫星在视场内存在新生及消失现象,导致对多目标跟踪困难。同时,深空探测跟踪成像距离远,真实目标在图像中往往呈现微弱点状,没有轮廓、纹理和形状特征,难以和恒星区分,导致检测困难。对卫星目标状态进行准确识别,是亟需解决的问题。
[0003]在已提出的多目标跟踪方法中,先技术(参见孔思捷.密集恒星背景下暗弱目标提取技术研究[D].2019.)提出一种结合背景杂波抑制的多目标快速检测技术,通过背景抑制结合轨迹关联 ...
【技术保护点】
【技术特征摘要】
1.面向卫星星座的远距离图像多目标识别方法,其特征在于:包括如下步骤,步骤1:运用帧差法对导航相机拍摄的图像进行预处理,对处理后的图像进行腐蚀操作,求取图像的四连通区域,所述四连通区域包括卫星四连通区域和恒星四连通区域,并将所述四连通区域定义为准目标;对所得准目标进行高斯扩散处理,使星点目标从少量像素扩散到多个像素,作为多目标初步识别结果;通过高斯扩散处理便于获取扩散后准目标的量测结果;步骤2:对步骤1得到的多目标的初步识别结果,分别用矩形框进行描述,以各矩形框的大小和位置作为多目标状态;求取各个矩形框的灰度直方图,面向对象为卫星星座,考虑到星座内卫星结构的一致性,对不同卫星采用同种模板灰度模型,用巴特查理亚距离表征目标和模板灰度直方图之间的相似度,并构建目标和模板之间高斯形式的相似度函数;获取图像的预测概率假设密度PHD并从其与似然函数乘积中收集峰值作为目标的颜色测量值随机集合;步骤3:将多目标状态及量测值描述为随机有限集的形式,利用高斯混合概率假设密度GMPHD滤波器对卫星目标状态进行估计,根据所述估计结果对复杂背景下多卫星目标进行跟踪,跟踪时无需对每个目标进行轨迹关联,从而减小运算量;估计包括预测和更新两个过程;预测过程中,根据k
‑
1时刻的后验强度获取高斯混合预测概率假设密度;更新过程中,利用步骤2获取的颜色测量值随机集合对高斯混合概率假设密度滤波器中的PHD进行更新,确定PHD中权值大于阈值的高斯分量,得到分量的均值集合,即为多目标位置估计结果,进而实现复杂星空背景下对远距离多目标的稳定跟踪。2.如权利要求1所述的面向卫星星座的远距离图像多目标识别方法,其特征在于:步骤1的具体实现方法为:步骤1.1对天基平台拍摄的卫星图像进行预处理,得到包含准卫星和恒星目标的检测结果;远距离空间目标在图像中往往呈现微弱点状,占少量像素,且没有轮廓、纹理和形状特征,远距离空间目标和恒星区分困难;同时,由于观测平台运动,跟踪目标不同观测帧之间星空背景具有相对运动;步骤1.1以高精度检测拟跟踪卫星为目标,同时消除部分恒星对跟踪的影响;运用帧差法对天基平台拍摄的卫星图像进行预处理,通过相邻帧作差消除部分恒星干扰,得到图像A;用结构元素B对图像A进行腐蚀操作,得到包含卫星及恒星的图像C,A用B腐蚀的结果是所有使B平移a后仍在A中的a的集合,满足:其中(
·
)
M
代表图像的像素矩阵,在步骤1卫星和恒星统称为准目标,求取C的四连通区域,得到准目标的识别结果,记为T
i
;步骤1.2对准目标进行高斯扩散处理,使星点目标从少量像素扩散到多个像素,作为多目标初步识别结果;由于步骤1.1提取到的准目标只占少量像素,不便于获得量测信息,采取离焦方法,将星点目标T
i
的单个像素扩散到多个像素,点扩散函数的高斯分布满足:
其中,E为目标的总能量,ρ表示点扩散函数的能量集中度,通过公式(2)保证扩散后像素的总能量接近T
i
的总能量,将扩散结果作为多目标初步识别结果,便于量测信息的获取。3.如权利要求2所述的面向卫星星座的远距离图像多目标识别方法,其特征在于:步骤2的具体实现方法为,步骤2.1用矩形框对步骤1的多目标识别结果进行描述,获取高斯形式的灰度似然函数;单个目标状态用如式(3)的矩形框进行描述:x={x
i
,y
i
,L
i
,H
i
},i=1,2,...,n
ꢀꢀꢀꢀ
(3)其中,n为步骤1.2初步识别的多目标数量,矩形框的中心和大小分别由{x
i
,y
i
}和{L
i
,H
i
}确定;将目标的灰度直方图表示为p(u),模板的灰度直方图表示为q(u),目标和模板之间的相似度函数用巴特查理亚距离来表征:面向对象为卫星星座,考虑到星座内卫星结构的一致性,对不同卫星采用同种模板灰度模型,灰度似然函数定义为:其中,P为当前图像,σ2为噪声方差;令v
k
(x)为时刻k的PHD,v
k|k
‑1(x)为时刻k的预测PH...
【专利技术属性】
技术研发人员:梁子璇,石方圆,崔平远,朱圣英,徐瑞,葛丹桐,
申请(专利权)人:北京理工大学,
类型:发明
国别省市:
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。