空间目标定位、区域超分辨重建及类型识别的系统及方法技术方案

本发明专利技术涉及目标识别技术领域，具体提供一种空间目标定位、区域超分辨重建及类型识别的系统及方法，通过目标检测网络进行检测，在输入的空间目标图像上生成锚框检测定位到目标所在区域，提取目标区域图像；将目标区域图像数据输入目标区域清晰化超分辨重建网络，得到进一步增强目标区域的特征信息的目标区域图像，超分辨重建后的目标区域图像通过强特征数据增广算法，得到增广后的目标图像；将得到的目标区域图像输入识别网络中进行目标类型识别；解决了空间目标图像样本小、清晰度低，同一类型的空间目标图像形态相差较大所带来的识别困难的问题，解决了只有专业人士才能对空间目标图像类型进行识别的难题，在识别精度上也优于已有的技术。优于已有的技术。优于已有的技术。

【技术实现步骤摘要】
空间目标定位、区域超分辨重建及类型识别的系统及方法


[0001]本专利技术涉及目标识别
，尤其涉及一种空间目标定位、区域超分辨重建及类型识别的系统及方法。

技术介绍

[0002]目前，全球各国对太空领域研究的投入逐渐加大，空间目标的类型识别作为其中研究之一，其有着重要的应用价值；所谓空间目标是指卫星，空间碎片，宇宙飞行物等，而空间目标图像则是通过各类成像系统对其拍摄行程的图像。现有的空间目标图像类型识别技术仅仅是单流程的，即对获得的空间目标图像直接进行类型识别，不包含其他技术处理流程。然而，由于成像系统的限制，导致通常所获得的太空背景下的空间目标图像样本较少，图像清晰度较低；同时由于成像系统拍摄角度的不同，会造成同一类型的空间目标图像之间存在形态差异，基于上述问题现有的空间目标图像类型识别技术的识别准确率不高；本方法能够解决由于缺少技术处理导致的识别精度低、有效特征少的问题。

技术实现思路

[0003]本专利技术为解决上述问题，提供一种一种空间目标定位、区域超分辨重建及类型识别的系统及方法。
[0004]本专利技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.空间目标定位、区域超分辨重建及类型识别的方法，其特征在于，包括如下步骤：S1、输入空间目标图像，通过目标检测网络进行检测，定位到目标所在的区域，提取目标区域图像；所述目标检测网络包括两个检测阶段，用于锚定目标区域并提取目标区域图像；S2、设计目标区域清晰化超分辨重建网络，所述目标区域清晰化超分辨重建网络包括目标区域清晰网络和目标区域超分辨重建网络；所述目标区域清晰网络包括特征提取阶段、注意力机制阶段、非线性映射阶段、图像恢复阶段和上采样层；将步骤S1提取的目标区域图像通过特征提取阶段、注意力机制阶段、非线性映射阶段、图像恢复阶段和上采样层，再通过目标区域超分辨重建网络，得到特征信息增强的目标区域图像；S3、将步骤S2得到的目标区域图像通过强特征数据增广算法，增强同一类型的目标区域图像的特征信息和同一类型但成像角度不同的目标区域图像的特征信息，得到增广后的目标区域图像集；S4、设计识别网络，所述识别网络包括浅层特征提取融合网络和多阶段移动窗口自注意力机制网络，所述多阶段移动窗口自注意力机制网络包括图像块划分层、自注意力特征提取层和通道注意力层，所述自注意力特征提取层包括四个阶段；将通过步骤S3得到的目标区域图像集先通过浅层特征提取融合网络，再通过多阶段移动窗口自注意力机制网络的图像块划分层、自注意力特征提取层和通道注意力层进行空间目标图像的类型识别，得到识别结果。2.根据权利要求1所述的空间目标定位、区域超分辨重建及类型识别的方法，其特征在于：所述步骤S1包括以下子步骤：S101、输入尺寸为W
×
H
×
C的空间目标图像，通过检测阶段一得到尺寸为特征图，所述W为图像宽，H为图像高，C为图像通道数；S102、将得到的特征图通过检测阶段二得到尺寸为特征图，在所述空间目标图像上生成锚框检测定位到目标所在区域，提取目标区域图像。3.根据权利要求2所述的空间目标定位、区域超分辨重建及类型识别的方法，其特征在于，所述步骤S2包括：S201、输入目标区域图像，通过所述特征提取阶段获得尺寸为W
×
H
×
64的特征图；S202、将特征图通过所述注意力机制阶段，获得尺寸为W
×
H
×
32的注意力机制特征图；S203、将步骤S202获得的注意力机制特征图通过非线性映射阶段，学习低清晰度到高清晰度间的映射关系，得到尺寸为的特征图；S204、将得到的特征图通过图像恢复阶段，得到尺寸为的特征图，通过上采样层将其恢复到原始输入尺寸W
×
H
×
C，完成目标区域的清晰化；S205、通过目标区域超分辨重建网络，将恢复原尺寸的特征图的尺寸放大到rn倍，得到待进行数据增广的图像；所述r表示上采样放大倍数。4.根据权利要求3所述的空间目标定位、区域超分辨重建及类型识别的方法，其特征在
于，所述步骤S3具体包括：S301、将待进行数据增广的图像输入，设置随机区域遮挡数据增广次数为n；S302、生成随机矩形区域对同一图像进行遮挡；S303、若增广图像数据数量满足数据增广次数n，得到n张增广图像数据；若增广图像数据数量不满足数据增广次数n，重复步骤S302，直至满足后得到n张增广图像；所述的n张增广图像即目标图像集。5.根据权利要求4所述的空间目标定位、区域超分辨重建及类型识别的方法，其特征在于：所述步骤S4具体包括：S401、将目标图像集通过浅层特征提取融合网络得到大小为W
×
H
×
32的特征图；S402、将特征图输入图像块划分层，划分后，图像尺寸更改为，深度为512 ；S403、将划分后的图像通过自注意力特征提取层，得到尺寸为的特征图；S404、将特征图输入通道注意力层，在特征图的维度方向上计算权重分数，并对每个特征图按照权重分数赋予权值，但不改变特征图尺寸大小；S405、将步骤S404得到的特征图通过一个全连接层计算输出各个目标类型的概率分数，每个类别对应一个概率分数，概率分数最大的类别判定为所预测的空间目标图像的类型，以概率分数最大的类别为识别结果。6.根据权利要求5所述的空间目标定位、区域超分辨重建及类型识别的方法，其特征在于：所述步骤S101中的检测阶段一包括：两个模块一和两个模块二，排列顺序为模块一、模块二、模块一、模块二；所述模块一和模块二均由卷积层、批量归一化和激活层组成，所述卷积层的卷积核大小均为3
×
3；所述激活层采用ReLU函数进行激活，所述模块一保持特征图的宽高不变，所述模块二对特征图的宽高进行下采样，所述下采样倍率为2倍；所述步骤S102中的检测阶段二包括：三个模块三及两个通道注意力层，排列顺序为模块三、通道注意力层、模块三、通道注意力层、模块三；所述模块...

【专利技术属性】
技术研发人员：王佳荣，秦一，曹申艺，朱明，孙海江，
申请(专利权)人：中国科学院长春光学精密机械与物理研究所，
类型：发明
国别省市：