[发明专利]一种高效率暗弱空间目标识别方法

说明书

一种高效率暗弱空间目标识别方法，步骤为：1)星图成像，获得包含暗弱目标的一系列星空图；2)星图处理，提取块状亮点。3)恒星剔除，主要将大部分恒星元素从所有亮点中去除；4)获得疑似目标队列中每个块状亮点的运动特征；5)确定有序特征集；6)目标跟踪，对已建立的确认目标队列进行跟踪，预测下一帧该目标位置，成功则计算目标参数，提取精确的方位信息，将其加入确认目标队列。本发明方法能最大程度从提取亮点中去除干扰元素、如恒星和噪点等，最终实现空间暗弱目标的探测、提取、识别、跟踪等任务，特别适用于信噪比低、复杂星图背景、多种多样目标信息未知的场合。

技术领域

本发明涉及一种高效率暗弱空间目标识别方法，属于态势感知、空间监视等技术领域。

背景技术

空间轨道未编目微小目标的急剧增长，如毫米级或厘米级的微小碎片、航天器逆反轨道的空间物体，对空间站建设维护、卫星防护、航天器发射任务造成了直接威胁，高灵敏度探测技术已面临现实需求。直径10cm以上的碎片和卫星超过30000个，1cm～10cm的约为50万个，小于1cm的超过100亿个，然而通过地基雷达和光电系统已经编目定轨的空间目标只有23000个，对于低轨小于10cm、高轨小于0.5m的目标，上述手段已经难以监测。

针对点状运动目标提取，Marchant等在90年代发明了帧间搜索方法，需要多次设定更新帧间搜索区域和阈值才能有效提取目标，当目标帧间搜索区域或阈值不合理，则会丢掉目标或将恒星等元素误认为目标；Yanagisawa等为解决GEO碎片搜索，提出的堆栈法需要叠加多幅暗弱星图，需要将多个恒星进行重叠化处理，然后将其他不能重叠的目标视为疑似目标，再进行判别，其实现思路与帧间匹配一致，但配图过程较为复杂。Schildknecht等提出一种掩膜技术主要用于处理原始图像信息，要求掩膜区域要达到一定精确度，Bertin等提出了互相关算法需要提供原始恒星或目标位置等先验信息。其他研究方案，如Dawson提出一种最大似然跟踪算法、Vananti提出一种将条带图像与不同滤波器卷积的识别方法、Kouprianov提出一种PSF拟合技术，主要针对条带目标，非主要研究对象。张春明等提出的一种空间非合作多目标捕获与跟踪算法效率很高，但需要人为经验去设置匹配阈值，当阈值设置过大或过小，会出现Marchant等采用的帧间搜索同样问题。崔文楠等提出的轨迹编目方法，采用阈值半径搜索法搜索目标，当目标运行速度较大时，遗失目标的可能性更大。苏瑞风等提出的天基空间目标识别方法采用基准星对准方法，与Yanagisawa等采用的堆栈法具有类似的问题。从以上方法可以看出，既有的方法对于先验信息的依赖程度较大，尤其是对阈值的设定需要经验确定，无法适应空间目标运动变化快，无法完成分类识别问题。

为解决上述问题，提出一种高效率暗弱空间目标识别方法，无需先验信息，能够对非合作目标进行在线分类、关联、提取，识别的准确度和速度均有较大提升。

发明内容

本发明的技术解决问题是：克服现有技术的不足，提出了一种高效率暗弱空间目标识别方法，解决了现有方法存在对先验信息依赖大，多目标情况下易出现误识别、提取速度低、无法在线分类的问题。

本发明的技术方案是：

一种高效率暗弱空间目标识别方法，包括如下步骤：

1)采用高分辨率相机对星空成像，获得K帧暗场图像，所述暗场图像包括多个空间运动目标；所述K为正整数；

2)对步骤1)获得的所述K帧暗场图像采样处理，每间隔t帧提取一幅暗场图像作为采样图像，获得M帧采样图像，对所述采样图像进行图像处理，获得每帧采样图像中的块状亮点；其中，t为大于或等于1的正整数，且t＜K；

3)筛选步骤2)所述每帧采样图像中的所有块状亮点，获得疑似目标队列；

4)获得步骤3)所述疑似目标队列中每个块状亮点的运动特征；

5)根据步骤4)获得的所有块状亮点的运动特征，确定N个有序特征集；