[发明专利]一种航天器目标检测方法、系统、存储介质和电子设备

说明书

本发明公开了一种航天器目标检测方法、系统、存储介质和电子设备，包括：获取待测三维模型在任一俯仰角度下所对应的目标电磁散射数据；对所述目标电磁散射数据进行成像处理，得到待测图像；将所述待测图像输入至目标检测模型中，确定所述待测图像中是否包含航天器的主体结构。本发明利用训练好的深度学习目标检测模型对经过成像处理的电磁散射数据进行检测，实现了对航天器的主体结构的目标检测。

背景技术

雷达探测是一种有效的对地观测手段，雷达图像目标检测和识别是其重要研究方向。深度学习已在众多领域取得成功，然而训练深层神经网络需要大量数据，样本量不足已成为制约深度学习方法在雷达图像目标检测中应用的主要因素，而且目前针对雷达图目标检测都是基于SAR图像，如美国国防高等研究计划署(Defense Advanced ResearchProjects Agency，DARPA)运动和静止目标获取与识别(moving and stationary targetacquisition and recognition，MSTAR)项目中公开发布的数据集，以及上海交通大学智能探测与识别实验室发布OpenSAR数据集等，针对雷达ISAR图像的数据集几乎没有。其次，由于雷达图像的散射机理较为复杂，特别是用于航天器的目标检测的图像集而言，人工设计用于雷达图像目标识别的有效特征具有一定的难度，利用深度学习方法提取到的特征可以在目标检测中识别和分类性能上显著超越人工设计的特征。

发明内容

为解决上述技术问题，本发明提供了一种航天器目标检测方法、系统、存储介质和电子设备。

本发明的一种航天器目标检测方法的技术方案如下：

获取待测三维模型在任一俯仰角度下所对应的目标电磁散射数据；

对所述目标电磁散射数据进行成像处理，得到待测图像；

将所述待测图像输入至目标检测模型中，确定所述待测图像中是否包含航天器的主体结构。

本发明的一种航天器目标检测方法的有益效果如下：

本发明的方法利用训练好的深度学习目标检测模型对经过成像处理的电磁散射数据进行检测，实现了对航天器的主体结构的目标检测。

在上述方案的基础上，本发明的一种航天器目标检测方法还可以做如下改进。

进一步，所述目标检测模型的构建过程为：

构建包含第一航天器的主体结构的第一三维模型，并获取所述第一三维模型在不同俯仰角度下所分别对应的多个第一电磁散射数据；

对每个第一电磁散射数据进行成像处理，得到并对所有的第一样本图像进行图像增强处理，得到多个目标样本图像；

将所有的目标样本图像输入至预设的YOLOv4网络模型中进行训练，得到所述目标检测模型。

采用上述进一步技术方案的有益效果是：通过构建任意姿态的航天器主体结构的图像样本数据集并对YOLOv4网络模型进行训练，提高了对于航天器主体结构的检测精度与识别效果。

进一步，所述构建包含第一航天器的主体结构的第一三维模型的步骤，包括：

构建所述第一航天器的原始整体三维模型，并将所述原始整体三维模型导入电磁仿真软件中，得到目标整体三维模型；

从所述目标整体三维模型中，删除所述第一航天器的太阳能帆板所对应的三维模型，得到所述第一三维模型。

进一步，所述获取所述第一三维模型在不同俯仰角度下所分别对应的多个第一电磁散射数据的步骤，包括：

基于电磁仿真技术，获取所述第一三维模型在不同俯仰角度下所分别对应的多个第一电磁散射数据。

进一步，第一样本图像为ISAR图像；对每个第一电磁散射数据进行成像处理，得到所有的第一样本图像的步骤，包括：