地球同步轨道目标物深度学习检测方法

摘要

针对欧空局SpotGEO竞赛中地球同步轨道目标物的检测问题,提出面向低精度CCD空间图像的深度学习检测方法.在图像预处理环节,分别采用高斯过程回归和模板匹配实现前景/背景分割和多帧图像配准.根据地球同步轨道物体的运动特征,采用拓扑扫描提取候选目标物.在此基础上,提出一套基于深度学习的目标物筛选方法.该方法利用卷积神经网络,依次对拓扑扫描前后候选目标物进行筛选,显著减少噪声点数量,提高检测效率.仿真结果表明,该方法达到98％的目标检测准确率,适用于存在光污染、云层遮挡等干扰的复杂环境.