分析了空间低轨目标群的运行特点,提出了基于时序向量相似性的空间目标群匹配算法,提高了对低轨巨型星座的识别管理能力。首先,介绍了时序向量的降维方法,将目标群高维观测时序向量简化为空间构型序列;而后,提出了基于动态时间规整(Dyna...分析了空间低轨目标群的运行特点,提出了基于时序向量相似性的空间目标群匹配算法,提高了对低轨巨型星座的识别管理能力。首先,介绍了时序向量的降维方法,将目标群高维观测时序向量简化为空间构型序列;而后,提出了基于动态时间规整(Dynamic Time Warping,DTW)的目标群空间构型序列相似性判别算法;最后,利用星链卫星目标群仿真和实测数据对算法的匹配能力进行验证。结果表明该算法可实现空间目标群监测数据快速匹配,仿真数据匹配过程中,在群内目标缺失30%的条件下匹配成功率可达100%,在低缺失条件下(缺失率5%以内)群内目标识别成功率平均超过75%;实测数据匹配成功率可达100%。展开更多
为了识别空间目标的椭圆部件,提出了一种基于自适应光学图像的椭圆检测方法。首先,利用RL(RichardsonLucy)方法对自适应光学图像进行复原,在此基础上,采用弧支撑线段(Arc-Support Line Segments,ASLS)方法对复原图像进行椭圆检测。针对A...为了识别空间目标的椭圆部件,提出了一种基于自适应光学图像的椭圆检测方法。首先,利用RL(RichardsonLucy)方法对自适应光学图像进行复原,在此基础上,采用弧支撑线段(Arc-Support Line Segments,ASLS)方法对复原图像进行椭圆检测。针对ASLS算法使用的Canny边缘提取算法带来的“弧段过分割”和“语义信息差”等问题,提出了基于多尺度组合分组(Multiscale Combinatorial Grouping,MCG)边缘提取的解决方法。最后,针对ASLS算法使用优度指标等验证方法存在部分虚假椭圆的情况,综合利用多种几何指标进行约束,有效地消除了虚假椭圆。实验结果表明:椭圆中心点检测误差优于3 pixels,半长轴误差优于4 pixels,方向角误差优于3°。在重叠面积门限为0.65时,本文算法的准确率为85.7%、召回率为93.3%,F值指标为0.893,优于传统椭圆检测算法。展开更多
文摘分析了空间低轨目标群的运行特点,提出了基于时序向量相似性的空间目标群匹配算法,提高了对低轨巨型星座的识别管理能力。首先,介绍了时序向量的降维方法,将目标群高维观测时序向量简化为空间构型序列;而后,提出了基于动态时间规整(Dynamic Time Warping,DTW)的目标群空间构型序列相似性判别算法;最后,利用星链卫星目标群仿真和实测数据对算法的匹配能力进行验证。结果表明该算法可实现空间目标群监测数据快速匹配,仿真数据匹配过程中,在群内目标缺失30%的条件下匹配成功率可达100%,在低缺失条件下(缺失率5%以内)群内目标识别成功率平均超过75%;实测数据匹配成功率可达100%。
