[发明专利]一种应用卫星功能类型识别方法

说明书

本发明提供一种应用卫星功能类型识别方法，包括：获取目标卫星空间图像，并对获取到的目标卫星空间图像进行分辨率调整，得到目标图像；基于ResNet神经网络模型对所述目标图像进行数据处理，确定所述目标卫星对应的功能类型。本发明提供的应用卫星功能类型识别方法，通过对目标卫星空间图像进行分辨率调整，得到能够被ResNet神经网络模型识别的图像，通过ResNet神经网络模型在轨自主对应用卫星功能类型进行识别，不依赖于地面人工解读和判断，提高了识别效率，满足对先验信息匮乏的非合作空间目标进行实时服务和操作的需要。

技术领域

本发明涉及一种应用卫星功能类型识别方法，属于卫星识别技术领域。

背景技术

应用卫星是直接为国民经济、军事活动和文化教育服务的人造卫星，在各类人造卫星中，应用卫星发射数量最多，种类也最多。各种应用卫星按其工作基本特性，大致可以分为三大类，即对地观测类、无线电中继类和导航定位基准类。应用卫星在通信、导航、遥感等军用和民用领域发挥着重要作用。

对应用卫星开展在轨服务可延长卫星寿命、提高任务执行能力，是当前国内外的研究热点之一。在对应用卫星进行在轨服务的过程中，根据需要可对在轨卫星进行辅助变轨、燃料补给、姿态控制、卫星接管、故障修复等操作。在对失效或故障卫星进行在轨维修维护时，首先须安全接近被服务卫星。对于非合作目标来说，其星表特征、关键载荷、运动状态等很难提前获取，在接近过程中必须对目标功能类型、运动状态、操作部位等进行准确认知，以确定接近停靠或控制策略，并避免碰撞。

现有空间非合作目标类型认知通常是通过服务飞行器获取目标飞行器的空间图像并将图像传输给地面指控中心，地面指控中心根据图像信息采用边缘检测、特征拟合等图像识别方法人为确定非合作目标飞行器类型，并将确认的类型发送给服务飞行器。现有方法存在如下问题：星地回路存在大时延，无法满足对先验信息匮乏的非合作空间目标进行实时服务和操作的需要。

发明内容

针对现有技术中存在的问题，本发明提供一种应用卫星功能类型识别方法，该方法对在轨产生的空间目标可见光图像自主处理和分类识别，单目标功能类型分类速度小于100ms，准确率可达到90％。

本发明的技术解决方案是：

一种应用卫星功能类型识别方法，包括：

获取目标卫星空间图像，并对获取到的目标卫星空间图像进行分辨率调整，得到目标图像；

基于ResNet神经网络模型对所述目标图像进行数据处理，确定所述目标卫星对应的功能类型。

在一可选实施例中，所述ResNet神经网络模型包括初始卷积层、三个残差学习模块和全连接层，每个所述残差学习模块包括两个残差学习单元，所述初始卷积层输出特征图集给第一个残差学习模块，第一个所述残差学习模块输出新的特征图集给第二个所述残差学习模块，第二个所述残差学习模块输出新的特征图集给第三个所述残差学习模块，第三个所述残差模块输出新的特征图集给所述全连接层，其中：

所述初始卷积层，用于：

对所述目标图像进行一次二维卷积，得到特征图集；

所述残差学习模块的第一残差学习单元，用于：

对输入本单元的特征图集进行一次卷积操作，得到本单元的残差特征图集；对所述输入本单元的特征图集依次进行标准化操作、激活操作及一次卷积操作，得到一次卷积操作后的特征图集，对所述一次卷积操作后的特征图集依次进行标准化操作、激活操作及一次卷积操作，得到二次卷积后的特征图集；根据所述本单元的残差特征图集和本单元的所述二次卷积后的特征图集确定本单元输出的特征图集，并将所述本单元输出的特征图集输出给所述残差学习模块的第二残差学习单元；

所述残差学习模块的第二残差学习单元，用于：