基于CCD图像的空间目标识别技术-论文.pdf

《基于CCD图像的空间目标识别技术-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第48卷第7期电力电子技术Vo1．48．No．72014年7月PowerElectronicsJuly2014基于CCD图像的空问目标识别技术吕庆莉(陕西中医学院，陕西咸阳712000)摘要：空间交会对接是空间机动技术的一个重要发展阶段。近距离对接需要对航天器进行精确识别。在此介绍了基于星载CCD图像的一种证据组合规则应用于序列图像目标识别算法。该算法以修正的Hu不变矩为图像特征，利用数据融合思想对来自目标的序列图像进行时间域融合处理。由BP神经网络对目标初步识别结果构造基本置信指派函数，用该组合规则进行决策级数据

2、融合。关键词：空间交会；目标识别；图像处理中图分类号：V411文献标识码：A文章编号：1000—100X(2014)07—0054—02SpaceTargetRecognitionTechnologyBasedonCCDImageLUQing—li(ShaanxiUniversityofChineseMedwine，Xianyang712000，China)Abstract：Rendezvousdockingisanimportantstageinthespacemaneuvertechnology．Acombin

3、ationruleinevi—dencetheoryisintroduced，whichisappliedtotargetrecognitionofsequentialimages．Inthisalgorithm，modifiedHuinvariantmomentsisusedasthefeatureoftheimage，andBPneuralnetworkisappliedtoidentifythetarget．Then，basicbeliefassignmentfunctionisconstructedthro

4、ughtheoutputoftheBPneuralnetwork，andafterwardsthenewcombinationruleisusedtofinishthedecisiondatafusion．Keywor~：spaceintersection；targetrecognition；imageprocessingFoundationProject：SupportedbytheDepartmentofProjectinShaanxi(No．2014K12-02-02)l引言合规则【2_．并结合BP神经网络和

5、证据推理对序列图像目标识别问题进行应用。以修正的Hu不世界航天技术发展已进入一个新的时代．空变矩为图像特征．利用数据融合的思想对来自目间交会对接技术是空间机动技术发展的必然阶标的序列图像进行时间域融合处理。由BP神经段，是在轨服务的核心技术，是国际航天技术与应网络对目标的初步识别结果构造基本置信指派函用研究的重点【“。数．用该组合规则进行决策级数据融合，完成了三空间机动平台与目标的交会过程实际上也是维卫星图像目标的识别仿真。精确测量与控制的过程。目标形态测量与识别系统的作用是适时向制导、导航和控制系统提供两读取缓存

6、图像航天器之间的相对运动信息．例如两航天器之间=I望=堡工翌=竺=翌l目==标=<识别l的相对位置、相对姿态等。这些信息是平台下一步N务结>一机动的基础。在此，针对星载CCD相机介绍了一种基于CCD图像的目标识别算法．即证据组合规图1图像处理流程则应用于序列图像目标识别算法。Fig．1Theflowchartofimageprocessing2证据推理和BP神经网络理论图像的矩特征是以图像分布的各阶矩来描述以可见光目标像为基础进行处理，信息处理灰度统计特性的方法。其中一个很重要的特点就是具有平移、比例和旋转变化不变

7、性。而证据理论流程如图1所示。在此利用一种新的证据理论组将来自两个或多个证据体的置信函数通过Dempster组合规则融合起来得到一个新的置信函基金项目：陕西省科技厅项目(2014K12—02—02)定稿日期：2014—03—21数。以融合后的置信函数作为判决的依据。在用证作者简介：吕庆莉(1975一)，女，硕士，副教授，研究方向为据理论作目标识别时。基本概率指派的构造是一计算机应用。个难点。需要专家的经验知识，或知识库的支持，基于CCD图像的空间目标识别技术可以用距离函数和指数函数来构造基本置信指⋯；⋯；一}’目标

8、1；-}·目标1i型：．：!-o．目标2趔／、一日标2派。但这种构造方法计算量比较大．影响实时性。蜷000：日弦氅0。目稀3。·／。—-盘考虑到神经网络的目标识别能力以及它在模_-；-·i，差。框架砌0删O式识别中获得的巨大成功，可以认为．经过训练后甚o⋯--，；-弧：r．0-l蔷o，≮母～亨～的神经网络在一定程度上已经具有领域专家的判别能力。因此用神经网络