[发明专利]一种地球静止轨道弱小目标检测方法、系统和电子设备

说明书

本发明涉及图像处理与模式识别技术领域，尤其涉及一种地球静止轨道弱小目标检测方法、系统和电子设备，方法包括：将测试图像输入训练好的ASD‑net模型，得到多任务信息，多任务信息包括每个弱小目标的中心位置、每个中心位置的中心偏置值以及每个中心位置对应的预测框的尺寸；根据任一中心位置、该中心位置的中心偏置值以及该中心位置的对应的预测框的尺寸，在测试图像上确定该中心位置对应的多个预测框，利用非极大值抑制方法，得到该中心位置对应的唯一预测框，直至得到每个中心位置对应的唯一预测框。能够将弱小目标检测任务转换为中心点的估计，避免了基于锚框机制的方法中超参数过多、难以训练的问题，且识别精度高。

背景技术

随着全球航天事业快速发展，世界范围内卫星发射次数也是逐年攀升，然而宇宙空间资源的有限，越来越多的空间碎片遗留在地球轨道上。截至2021年7月28日，已编目的在轨空间碎片已达23513个，而无法编目的碎片质量已达几千吨，数量超过200亿个，可造成航天器不同程度的损失甚至功能失效。为了应对日益严峻的空间安全环境，航天大国均在积极的发展雷达、光电传感器等手段对空间目标进行探测、跟踪和识别，增强对空间目标碰撞事件的预警能力，对于感知空间态势、避免卫星碰撞，实现维护空间环境安全具有重要意义。

地球静止轨道作为极其重要的空间资源，分布着大量高价值卫星。它是赤道上空距地面35786km的一个圆形轨道，该轨道上的卫星因其轨道周期与地球自转周期相同，与地球表面相对静止，主要用于通讯、气象、广播电视、导弹预警、数据中继等任务，可以为地面用户提供连续、长期的服务。由于空间目标距离地基光学观测设备非常远，目标成像在探测器像面上近似为点状或短条状，仅占几个像元，表现为明亮恒星杂波中的暗点。同时，目标仅有灰度信息，无纹理、形状等信息，具有目标能量弱、信噪比极低的特点。此外，光学望远镜积分时间过长，恒星表现为长条状的拖尾成像，暗弱目标容易被星图背景中不均匀起伏的杂波或噪声淹没，给弱小目标检测带来了极大困难。在目标检测领域，现有算法的设计往往更为关注大、中尺度目标的检测性能。针对小目标特性的优化设计并不多，加之小目标自身特性所带来的难度，导致现有算法在小目标检测上普遍表现不佳。

当前基于锚框的检测器占据主流，而锚框这一设计恰恰对小目标极不友好，引入了大量的超参，比如锚框的数量、宽高比和大小等，使得网络难以训练，不易提升小目标的检测性能。

发明内容

本发明所要解决的技术问题是针对现有技术的不足，提供了一种地球静止轨道弱小目标检测方法、系统和电子设备。

本发明的一种地球静止轨道弱小目标检测方法的技术方案如下：

将测试图像输入训练好的ASD-net模型，得到多任务信息，多任务信息包括每个弱小目标的中心位置、每个中心位置的中心偏置值以及每个中心位置对应的预测框的尺寸；

根据任一中心位置、该中心位置的中心偏置值以及该中心位置的对应的预测框的尺寸，在测试图像上确定该中心位置对应的多个预测框，利用非极大值抑制方法，得到该中心位置对应的唯一预测框，直至得到每个中心位置对应的唯一预测框。

本发明的一种地球静止轨道弱小目标检测方法的有益效果如下：

使用ASD-net模型，能够将弱小目标检测任务转换为中心点的估计，避免了基于锚框机制的方法中超参数过多、难以训练的问题，且识别精度高。

在上述方案的基础上，本发明的一种地球静止轨道弱小目标检测方法还可以做如下改进。

进一步，还包括：

对每个训练图像样本进行归一化处理，得到多个归一化后的训练图像样本；

基于多个归一化后的训练图像样本，对引入多种损失函数的ASD-net深度学习网络模型进行训练，得到训练好的ASD-net模型。

进一步，多种损失函数包括：Focal loss损失函数，L1 loss损失函数和DistanceIoU Loss损失函数。