基于天基光学图像的空间目标关键部件分割方法及系统技术方案

本发明专利技术提供了一种基于天基光学图像的空间目标关键部件分割方法及系统。该方法包括基于第一特征图划分多个第一图像块，使用多头将多个窗口计算的注意力分数进行组合后，经移动窗口操作，得到第二特征图；基于第二特征图，逐级进行三次下采样操作，依次得到第三特征图、第四特征图和强语义特征图，将第二特征图、第三特征图、第四特征图和强语义特征图进行融合，得到融合特征图；分别对融合特征图和强语义特征图进行图形变换，将得到的第五特征图与第六特征图相乘，得到物体区域表示特征图；将物体区域表示特征图与第六特征图相乘后再与物体区域表示特征图相乘，得到第七特征图，将第七特征图与强语义特征图进行拼接后进行预测，得到图像分割结果。

【技术实现步骤摘要】

本专利技术涉及航天领域和数字图像处理领域，尤其涉及一种基于天基光学图像的空间目标关键部件分割方法及系统。

技术介绍

1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。

2、空间目标关键部件分割是针对空间目标成像进行特定部件(如含太阳能帆板、卫星主体、天线载荷)的像素级分割。该技术有助于精确了解目标的结构和功能；监测和评估各个部件的状态和性能；可以帮助确定需要维修或更换的部件，并指导维护任务的计划和操作；可以深入研究部件的功能和相互作用，这有助于改进目标的设计、提高性能，并为未来的太空任务提供参考和指导。此外，通过部件分割可以通过获悉目标不同部件的位置、形状和大小，来帮助预测和计算碰撞的可能性，并采取相应的风险管理措施，减少碰撞的发生，为太空任务的安全性、可靠性和性能提供支持和指导。

3、近年来深度学习广泛应用于卫星部件检测，卷积神经网络(convolutionalneural network，cnn)是目前的主流模型。基于卷积神经网络的语义分割模型通过分层的方式来收集局部特征，使得模型具有强大的图像表示本文档来自技高网...

【技术保护点】

1.基于天基光学图像的空间目标关键部件分割方法，其特征在于，包括：

2.根据权利要求1所述的基于天基光学图像的空间目标关键部件分割方法，其特征在于，所述图像增强的过程包括：采用Sigmoid函数对天基光学图像进行增强。

3.根据权利要求2所述的基于天基光学图像的空间目标关键部件分割方法，其特征在于，所述Sigmoid函数为：

4.根据权利要求1所述的基于天基光学图像的空间目标关键部件分割方法，其特征在于，所述初步处理包括：将增强后的天基光学图像通过图像块划分层，分割成不重叠的第二图像块，并将第二图像块沿通道维度串联，设置划分后的第二图像块的尺寸，以得到...

【技术特征摘要】

1.基于天基光学图像的空间目标关键部件分割方法，其特征在于，包括：

2.根据权利要求1所述的基于天基光学图像的空间目标关键部件分割方法，其特征在于，所述图像增强的过程包括：采用sigmoid函数对天基光学图像进行增强。

3.根据权利要求2所述的基于天基光学图像的空间目标关键部件分割方法，其特征在于，所述sigmoid函数为：

4.根据权利要求1所述的基于天基光学图像的空间目标关键部件分割方法，其特征在于，所述初步处理包括：将增强后的天基光学图像通过图像块划分层，分割成不重叠的第二图像块，并将第二图像块沿通道维度串联，设置划分后的第二图像块的尺寸，以得到通道数，将划分后的第二图像块通过线性嵌入层对每个像素的通道数做线性变换，得到第一特征图。

5.根据权利要求1所述的基于天基光学图像的空间目标关键部件分割方法，其特征在于，所述移动窗自注意变换模块，使用多头将多个窗口计算的注意力分数进行组合的过程包括：将第一特征图输入窗口多头自注意机制层，划分为不重叠的多个窗口，在给定窗口中计算自注意力分数，同时使用多头将得到的注意力分数进行组合，得到多头自注意力特征图。

6.根据权利要...

【专利技术属性】
技术研发人员：刘丽明，王晋，陈飞勇，
申请(专利权)人：山东建筑大学，
类型：发明
国别省市：