一种基于卷积神经网络的暗弱天体搜寻方法

    公开(公告)号:CN117935236B

    公开(公告)日:2024-07-30

    申请号:CN202410096331.3

    申请日:2024-01-23

    摘要: 本发明公开了一种基于卷积神经网络的暗弱天体搜寻方法,涉及暗弱天体识别技术领域,步骤如下:S1、将预处理后的天文图像作为数据集,训练得到卷积神经网络模型,生成最优的模型参数;S1.1、构建基于天文图像的数据集;S1.2、卷积神经网络模型的搭建,建立MDyhead‑YOLO模型;S1.3、基于S1.1获得的数据集进行卷积神经网络模型训练,生成最优的MDyhead‑YOLO模型参数;S2、将训练所得模型用于天文图像中的目标检测任务。本发明采用上述步骤的一种基于卷积神经网络的暗弱天体搜寻方法,将预处理后的天文图像作为数据集用来训练模型,然后将训练所得模型用于天文图像中的目标检测任务,专门应用于处理天文观测图像中暗弱天体的识别,具有漏检率低、误检率低的优点。

    一种基于卷积神经网络的暗弱天体搜寻方法

    公开(公告)号:CN117935236A

    公开(公告)日:2024-04-26

    申请号:CN202410096331.3

    申请日:2024-01-23

    摘要: 本发明公开了一种基于卷积神经网络的暗弱天体搜寻方法,涉及暗弱天体识别技术领域,步骤如下:S1、将预处理后的天文图像作为数据集,训练得到卷积神经网络模型,生成最优的模型参数;S1.1、构建基于天文图像的数据集;S1.2、卷积神经网络模型的搭建,建立MDyhead‑YOLO模型;S1.3、基于S1.1获得的数据集进行卷积神经网络模型训练,生成最优的MDyhead‑YOLO模型参数;S2、将训练所得模型用于天文图像中的目标检测任务。本发明采用上述步骤的一种基于卷积神经网络的暗弱天体搜寻方法,将预处理后的天文图像作为数据集用来训练模型,然后将训练所得模型用于天文图像中的目标检测任务,专门应用于处理天文观测图像中暗弱天体的识别,具有漏检率低、误检率低的优点。

    光学-雷达联合观测下的空间目标信息处理方法和系统

    公开(公告)号:CN116643265A

    公开(公告)日:2023-08-25

    申请号:CN202310657791.4

    申请日:2023-06-05

    IPC分类号: G01S13/86 G01S13/90

    摘要: 本申请涉及一种光学‑雷达联合观测下的空间目标信息处理方法和系统,其中,该方法包括:获取空间目标的光学图像序列和雷达图像序列;根据光学图像序列进行该空间目标的三维重构,得到第一重构结果;根据雷达图像序列进行该空间目标的三维重构,得到第二重构结果;以该第一重构结果作为真值,确定该第二重构结果与该真值的比对结果;基于该比对结果,确定雷达ISAR图像的当前信息解译方法是否适用,解决了雷达ISAR图像当前信息解译方法的适用性无从验证的问题,提升了ISAR成像信号处理结果的可靠性。

    基于莫顿码的三维几何模型面元空间划分及BVH树构建方法

    公开(公告)号:CN116310108A

    公开(公告)日:2023-06-23

    申请号:CN202310239475.5

    申请日:2023-03-13

    IPC分类号: G06T17/00 G06T9/00

    摘要: 本发明公开了一种基于莫顿码的三维几何模型面元空间划分及BVH树构建方法,包括:获取待测目标模型文件内的点云数据以及面元编号数据,并将点云数据更新成三角面元描述,以获得目标模型的几何描述,同时将面元编号数据存储到对应的子节点中;遍历获得包围目标模型中每个三角面元的包围盒/球,并确定包围盒中心点坐标以及包围球球心、半径;对所有三角面元的中心点坐标进行整数化处理;计算整数化后各三角面元中心点坐标对应的莫顿码,并按照莫顿码大小进行排序,同时记录对应的面元编号数据,记为莫顿空间;基于莫顿空间构建BVH树节点,以形成BVH树。该方法利用一维莫顿码数字索引更利于编程实现,且精度较高,效率较快。

    一种地球静止轨道弱小目标检测方法、系统和电子设备

    公开(公告)号:CN115861839A

    公开(公告)日:2023-03-28

    申请号:CN202211558664.0

    申请日:2022-12-06

    摘要: 本发明涉及图像处理与模式识别技术领域,尤其涉及一种地球静止轨道弱小目标检测方法、系统和电子设备,方法包括:将测试图像输入训练好的ASD‑net模型,得到多任务信息,多任务信息包括每个弱小目标的中心位置、每个中心位置的中心偏置值以及每个中心位置对应的预测框的尺寸;根据任一中心位置、该中心位置的中心偏置值以及该中心位置的对应的预测框的尺寸,在测试图像上确定该中心位置对应的多个预测框,利用非极大值抑制方法,得到该中心位置对应的唯一预测框,直至得到每个中心位置对应的唯一预测框。能够将弱小目标检测任务转换为中心点的估计,避免了基于锚框机制的方法中超参数过多、难以训练的问题,且识别精度高。

    一种地球静止轨道弱小目标检测方法、系统和电子设备

    公开(公告)号:CN115861839B

    公开(公告)日:2023-08-29

    申请号:CN202211558664.0

    申请日:2022-12-06

    摘要: 本发明涉及图像处理与模式识别技术领域,尤其涉及一种地球静止轨道弱小目标检测方法、系统和电子设备,方法包括:将测试图像输入训练好的ASD‑net模型,得到多任务信息,多任务信息包括每个弱小目标的中心位置、每个中心位置的中心偏置值以及每个中心位置对应的预测框的尺寸;根据任一中心位置、该中心位置的中心偏置值以及该中心位置的对应的预测框的尺寸,在测试图像上确定该中心位置对应的多个预测框,利用非极大值抑制方法,得到该中心位置对应的唯一预测框,直至得到每个中心位置对应的唯一预测框。能够将弱小目标检测任务转换为中心点的估计,避免了基于锚框机制的方法中超参数过多、难以训练的问题,且识别精度高。