[发明专利]一种基于胶囊网络的空间目标识别算法

权利要求书

1.一种基于胶囊网络的空间目标识别算法，其特征在于，包括以下步骤：

S1、建立卫星仿真模型，获取空间目标的图像数据；

S2、对步骤S1获取的空间目标的图像数据进行预处理并制作成数据集；

S3、搭建胶囊网络并将步骤S2构建的数据集输入到胶囊网络当中提取目标特征；

S4、建立初始化权值矩阵以及激活矩阵；并和S3中得到的特征进行卷积运算，输出分别记作姿态矩阵、激活值；将姿态矩阵与激活值组合为一个胶囊；

S5、初始化新的权值矩阵，将步骤S4中得到的姿态矩阵与权值矩阵相乘，构建迪利克雷过程混合模型；

S6、对最后的胶囊层中的激活值进行归一化，归一化后的激活值即为各类别对应概率值获得空间目标的识别结果。

2.根据权利要求1所述一种基于胶囊网络的空间目标识别算法，其特征在于，步骤S1中的空间目标图像通过Blender软件建模，仿照已公开卫星模型获得类似的仿真卫星图片，并建立图片数据库。

3.根据权利要求1所述一种基于胶囊网络的空间目标识别算法，其特征在于，步骤S2中，图像需要提前通过标记软件对图片中的空间目标进行框选标记，(1)利用LabelME标记软件对图像进行标记，其中需要对图像中卫星部件用多边形进行框选和分类标记；标记结束后每一张图像会生成相应的.json格式的文件的标签，其中记录了所标记的种类和位置信息；

(2)将得到的.json格式的文件整理成VOC的数据集格式，其中包括需要将这些图片按照需求和比例划分训练集和测试集，这里按照训练集和测试集9:1的比例划分并生成相应的.json文件以记录训练集和测试集的标记信息；从而获得空间目标图片集从而获得训练所需的VOC格式数据集。

4.根据权利要求1所述一种基于胶囊网络的空间目标识别算法，其特征在于，步骤S3中，将处理好的VOC数据集输入到神经网络，在网络的卷积层也就是普通的卷积结构进行提取目标特征，用同一卷积核对整幅图像全图滤波，将图像中的目标部分初步滤波出来，得到目标的浅层特征，也就是不含位姿关系的图像特征。