[发明专利]空间目标多源数据参数化仿真与MixCenterNet融合检测方法

说明书

空间目标多源数据参数化仿真与MixCenterNet融合检测方法，涉及ISAR图像处理领域。本发明是为了解决目前的多源数据融合检测方法存在可操作性低、检测精度不高从而导致的在实际中难以应用的问题。本发明包括：获取光学渲染图像；获取空间目标ISAR仿真图像；将光学渲染图像和ISAR仿真图像进行MixCenterNet融合检测；融合检测时将成对的光学渲染图像和ISAR仿真图像输入MixCenterNet中；光学图像经34层ResNet骨干网络处理，ISAR图像经16层的VGG骨干网络处理，然后分别通过级联角点池化与中心池化生成角点热图与中心点热图确定目标在光学图像中的位置；ISAR图像经16层的VGG骨干网络处理所得特征图，连同光学图像经34层的ResNet骨干网络处理所得特征图一并输入到全连接层，再经Softmax层输出目标类别信息。

技术领域

本发明属于ISAR图像处理领域，特别涉及空间目标多源数据参数化仿真与MixCenterNet融合检测方法。

背景技术

随着卫星等空间目标在现代科技、经济领域的地位提升，针对空间目标的检测识别技术已成为研究热点。空间目标的探测手段多种多样，主要包括光学、雷达、红外等，因此空间目标多源融合检测也逐渐成为了一个重要课题。

目前在实际空间探测情况下主要采用传感器获取数据，但是多源传感器易受外部条件与自身限制，使得获取的数据质量较差。例如：光学图像虽然分辨率高，成像细节丰富，但是容易受到光源的影响；ISAR虽然不受光源影响，但是成像分辨率相对于光学图像较低。为了避免单一传感器的缺点，充分利用多源传感器优势，经过多年的发展，国内外研究学者已经提出了诸多多源图像融合检测识别方法，主要包括像素级融合、特征级融合与决策级融合，其中具有代表性的是基于小波变换的图像融合，但是这种基于网络学习与数据驱动的方法一般是通过人工设计的卷积神经网络提取多源图像特征，再经特征级融合，最后利用神经网络完成检测识别任务，因此还存在可操作性低、检测精度不高从而导致在实际中难以应用的问题。

发明内容

本发明目的是为了解决目前的多源数据融合检测方法存在可操作性低、检测精度不高从而导致的在实际中难以应用的问题，而提出了空间目标多源数据参数化仿真与MixCenterNet融合检测方法。

空间目标多源数据参数化仿真与MixCenterNet融合检测方法具体过程为：

步骤一、获取光学渲染图像；

步骤二、获得空间目标ISAR仿真图像，包括以下步骤：

步骤二一、对3D空间目标模型进行预处理；

步骤二二、将预处理后的3D空间目标模型进行射线追踪获得ISAR仿真图像；

步骤三、将光学渲染图像和ISAR仿真图像进行MixCenterNet融合检测，包括以下步骤：

步骤三一、根据步骤一和步骤二获得成对的光学渲染图像与ISAR仿真图像，构成仿真样本库；

步骤三二、选取全部仿真样本中的一部分作为训练样本，输入MixCenterNet进行训练，获得训练好的MixCenterNet网络模型；

步骤三三、将剩余的全部仿真样本中的另一部分作为测练样本，输入步骤三二获得的训练好的MixCenterNet网络模型进行测试，若得到的空间目标融合检测结果准确率大于预设阈值则执行步骤三四，若得到的空间目标融合检测结果准确率小于预设阈值则重新获取成对的光学渲染图像与ISAR仿真图像继续训练；

步骤三四、将待检测的仿真的光学图像和仿真的ISAR图像输入训练好的MixCenterNet网络模型中获得空间目标融合检测结果，包括以下步骤：

步骤三四一、将成对的光学渲染图像和ISAR仿真图像输入MixCenterNet网络模型中；