Los puntos clave no están disponibles para este artículo en este momento.
El reconocimiento de objetivos no cooperativos en el espacio es crucial para el servicio en órbita. La cooperación entre múltiples satélites tiene un gran potencial para ampliar el alcance de la observación y mejorar la eficiencia de identificación. Sin embargo, actualmente hay una falta de investigación sobre métodos de reconocimiento diseñados para la observación cooperativa de múltiples satélites. En este artículo, proponemos un nuevo método de reconocimiento de objetivos no cooperativos en el espacio para identificar satélites y escombros en imágenes de observaciones de múltiples satélites. En primer lugar, diseñamos un algoritmo de unión de imágenes para generar imágenes de área amplia en el espacio. En segundo lugar, proponemos un modelo de detección de múltiples objetivos en dos etapas, un modelo CNN más ligero con umbral de fusión de distancia (LCNN-DMT). Específicamente, en la primera etapa, proponemos un nuevo modelo de extracción de primer plano basado en un rectángulo delimitador mínimo con un umbral para la fusión de distancia (MBRT-D) para abordar la extracción redundante de cajas de detección para componentes satelitales. Luego, en la segunda etapa, proponemos un modelo mejorado de SqueezeNet introduciendo convolución separable y mecanismos de atención para la clasificación de objetivos. Además, debido a la ausencia de un conjunto de datos público de detección de múltiples objetivos que contenga satélites y escombros, construimos dos conjuntos de datos espaciales introduciendo una estrategia de aumento de datos aleatoria. Experimentos adicionales demuestran que nuestro método puede lograr una unión de imágenes de alta precisión y un rendimiento de reconocimiento superior. Nuestro modelo LCNN-DMT supera a los algoritmos convencionales en precisión de localización de objetivos con solo 0.928 M de parámetros y 0.464 GFLOPs, lo que lo hace ideal para el despliegue en órbita.
Zhang et al. (Martes,) estudiaron esta cuestión.