[发明专利]一种基于多层对抗网络的空间目标分类方法

说明书

本发明公开了一种基于多层对抗网络的空间目标分类方法，包括以下步骤：步骤1：成像载荷对成像目标进行时序多帧投影，获取空间影像；步骤2：对空间影像进行特征增广，获取增广空间影像；步骤3：基于顶层对抗网络，对增广空间影像进行前景提取，提取出前景信息；步骤4：基于条件卷积对抗训练，对前景信息进行递进式的两级对抗，提取出通用表征向量，完成空间目标分类。此发明解决了复杂状态下成像载荷获取影像中目标种类多样，且存在相对运动时的分类问题，基于对抗网络通过博弈可实现特征可靠提取，实现了多种复杂目标的准确分类，并开展了针对性应用，有效提高了主动航天器在轨的自主运行能力，为航天器自主导航和安全生存提供了重要保障。

技术领域

本发明涉及航天器导航技术领域，具体涉及一种基于多层对抗网络的空间目标分类方法。

背景技术

随着各国空间技术的发展，对空间设备的自主性和功能性要求也逐渐增高。一方面，对航天器的自主性而言，全自主定轨是最基本的生存运行能力，在定轨过程中恒星和行星等天体影像是重要的信息源，因此需要在空间影像中准确的对恒星和行星进行分类；另一方面，对于航天器的功能性而言，无论是安全生存还是碎片清理，主动探测和主动识别目标是安全运行和执行任务的前提。

同时，由于未知空间目标与主动航天器间可能存在轨道、姿态的相对运动，导致空间目标的影像信息产生复杂变化，按照现有的常规分类方法难以同步拆分。因此，急需一个可靠的空间目标分类方法，对目标的亮度、身份、个体特征等具有较强的鲁棒性，广泛适用于空间环境，能够实现多种类复杂目标的准确分类。

发明内容

本发明的目的是提供一种基于多层对抗网络的空间目标分类方法。此系统旨在解决复杂状态下成像载荷获取的影像中，目标种类多样，且存在相对运动时的分类问题，基于对抗网络通过博弈可实现特征可靠提取，提出一种对目标的亮度、身份、个体特征等具有较强的鲁棒性，广泛适用于空间环境，能够实现多种复杂目标准确分类的方法，使航天器实现对载荷观测图像的有效分类，并开展针对性应用，有效提高主动航天器在轨的自主运行能力，为航天器自主导航和安全生存提供重要保障。

为达到上述目的，本发明提供了一种基于多层对抗网络的空间目标分类方法，包括以下步骤：

步骤1：主动航天器的成像载荷对成像目标进行时序多帧投影，获取空间影像；

步骤2：对空间影像进行特征增广，获取增广空间影像；

步骤3：基于顶层对抗网络，对空间影像和增广空间影像进行前景提取，在达到第一纳什均衡的状态下，提取出增广空间影像的前景信息；

步骤4：基于条件卷积对抗训练，对前景信息进行递进式的两级对抗，在达到第二纳什均衡的状态下，提取出通用表征向量，完成空间目标分类。

最优选的，成像载荷为安装在主动航天器上的、惯性指向稳定的、以拍摄非地面目标为主要任务的空间相机。

最优选的，空间影像是指包含恒星、行星、航天器、失效翻滚碎片、噪声的连续多帧的图像信息及其时域增广信息。

最优选的，特征增广包括以下步骤：

步骤2.1：对空间影像进行图像处理，获取处理后的空间影像；

步骤2.2：对处理后的空间影像中的信息进行时域信息增广，获取在单帧影像中无法得到的、需要处理连续多帧影像方可考察的特征，如时域特征，即物理信息随时间变化的特征，从而形成具有更多特征的增广空间影像。

最优选的，增广空间影像中增广的特征包括轨迹斜率、速度计算、像点频率。

最优选的，前景提取包括以下步骤：

步骤3.1：基于顶层对抗网络，对空间影像和增广空间影像进行分析，生成判别模型和生成模型；