项目名称: 基于光谱的天基空间点目标特征提取与识别

项目编号: No.61308101

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 无线电电子学、电信技术

项目作者: 孙成明

作者单位: 中国科学院光电研究院

项目金额: 24万元

中文摘要: 天基空间目标观测时,对于远距离目标,通常只能得到一个点的相关信息,包括点的位置和灰度等,损失了目标的材料、构型和姿态等特征。而代表物体固有属性的光谱差异信息可以作为识别目标的一种重要手段。目前,基于光谱数据同时提取目标的材料、构型、姿态等特征还缺乏具有针对性的、行之有效的方法,还有待深入研究。 本项目首先从目标光谱数据的产生特点出发,综合考虑目标的背景特性、材料特性、结构特性、轨道特性等因素,建立目标光谱特性的数学模型,测量并建立目标表面材料光谱特性数据样本;其次根据应用环境与目标的变化,针对性提出基于光谱数据曲线拟合、特征判定配合数据库搜索及基于光谱特性数学模型反演计算的目标特征提取与识别方法;最后进行典型参数条件下目标特征提取与识别仿真分析,为目标识别方法的验证提供依据。通过理论建模、实验测量、仿真分析探索出一套基于光谱的空间点目标特征提取与识别方法,为天基应用提供技术支撑。

中文关键词: 空间目标;光谱特性;双向反射分布函数;特征提取与识别;

英文摘要: The location and intensity of non-resolved space object can be obtained in space-based surveillance, however, the object material, configuration and attitude are lost. Spectrum difference reflecting the inherent properties of the object can be used as an important means of object recognition. At present, extraction of the object material, configuration and attitude based on the spectral data still lacks the directed and effective methodology. Recognition of non-resolved space object needs further research. In this research, firstly, considering the background, material, structure and orbit, mathematical model of spectral properties of space object will be established, and spectral properties of the object surface materials will be measured. Secondly, methods of object feature extraction and recognition will be proposed, including curve fitting, characteristic matching, database searching based on the spectral data and inverse calculation based on the mathematical model of spectral properties. Finally, simulation of object feature extraction and recognition will be done based on the above for method validation. A methodology for the material, configuration and attitude extraction and recognition of non-resolved space object from space-based spectral data will be put forward by theoretical modeling, experimental m

英文关键词: Space Object;Spectral Property;Bidirectional Reflectance Distribution Function;Feature Extraction and Recognition;

成为VIP会员查看完整内容
2

相关内容

【ICLR2022】分布外泛化的不确定性建模
专知会员服务
41+阅读 · 2022年2月11日
【博士论文】多视光场光线空间几何模型研究
专知会员服务
22+阅读 · 2021年12月6日
【NeurIPS2021】基于关联与识别的少样本目标检测
专知会员服务
21+阅读 · 2021年11月29日
深度学习中的单阶段小目标检测方法综述
专知会员服务
45+阅读 · 2021年11月23日
专知会员服务
85+阅读 · 2021年8月8日
专知会员服务
121+阅读 · 2021年4月29日
专知会员服务
69+阅读 · 2021年3月23日
专知会员服务
18+阅读 · 2020年12月23日
图像分割方法综述
专知会员服务
54+阅读 · 2020年11月22日
基于深度学习的图像目标检测算法综述
专知
2+阅读 · 2022年4月16日
计算机视觉中的传统特征提取方法总结
极市平台
1+阅读 · 2021年12月9日
解决小目标检测!多尺度方法汇总
极市平台
2+阅读 · 2021年8月28日
基于深度学习的小目标检测方法综述
专知
2+阅读 · 2021年4月29日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
总结-CNN中的目标多尺度处理
极市平台
17+阅读 · 2019年7月24日
【学科发展报告】无人船
中国自动化学会
26+阅读 · 2019年1月8日
目标跟踪算法分类
算法与数据结构
20+阅读 · 2018年9月28日
论文 | 深度学习实现目标跟踪
七月在线实验室
48+阅读 · 2017年12月8日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19日
国家自然科学基金
7+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
4+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
One-Class Model for Fabric Defect Detection
Arxiv
0+阅读 · 2022年4月20日
Simple and Effective Unsupervised Speech Synthesis
Arxiv
2+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月19日
Object Detection in 20 Years: A Survey
Arxiv
48+阅读 · 2019年5月13日
Arxiv
12+阅读 · 2018年1月28日
小贴士
相关VIP内容
【ICLR2022】分布外泛化的不确定性建模
专知会员服务
41+阅读 · 2022年2月11日
【博士论文】多视光场光线空间几何模型研究
专知会员服务
22+阅读 · 2021年12月6日
【NeurIPS2021】基于关联与识别的少样本目标检测
专知会员服务
21+阅读 · 2021年11月29日
深度学习中的单阶段小目标检测方法综述
专知会员服务
45+阅读 · 2021年11月23日
专知会员服务
85+阅读 · 2021年8月8日
专知会员服务
121+阅读 · 2021年4月29日
专知会员服务
69+阅读 · 2021年3月23日
专知会员服务
18+阅读 · 2020年12月23日
图像分割方法综述
专知会员服务
54+阅读 · 2020年11月22日
相关资讯
基于深度学习的图像目标检测算法综述
专知
2+阅读 · 2022年4月16日
计算机视觉中的传统特征提取方法总结
极市平台
1+阅读 · 2021年12月9日
解决小目标检测!多尺度方法汇总
极市平台
2+阅读 · 2021年8月28日
基于深度学习的小目标检测方法综述
专知
2+阅读 · 2021年4月29日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
总结-CNN中的目标多尺度处理
极市平台
17+阅读 · 2019年7月24日
【学科发展报告】无人船
中国自动化学会
26+阅读 · 2019年1月8日
目标跟踪算法分类
算法与数据结构
20+阅读 · 2018年9月28日
论文 | 深度学习实现目标跟踪
七月在线实验室
48+阅读 · 2017年12月8日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19日
相关基金
国家自然科学基金
7+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
4+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员