空间目标仿真数据集构建方法

1.本发明涉及目标检测技术领域，特别涉及一种空间目标仿真数据集构建方法。

背景技术：

2.随着航天技术的飞速发展，在轨运行的航天器数量日渐增多，而空间碎片的存在严重威胁着航天器的在轨运行安全，其与航天器的碰撞能直接改变航天器的表面性能，甚至导致航天器永久失效。在空间轨道上，即使是10厘米大小的空间碎片也会对航天器造成致命的伤害，而此类小碎片常常呈现为暗弱目标而难以检测。传统目标检测方法对暗弱小目标的检测效果较差，深度学习的方法在小目标的检测上有一定的应用。
3.为实现深度学习在空间目标检测领域的应用，需要一定的数据集。传统望远镜拍摄得到的图像在使用标注工具标注时，常常会由于图像清晰度问题产生人为误差。使用仿真数据集可以精准的进行训练集、验证集以及测试集的搭建，并且能够人为控制图像中的信噪比与杂波噪声等图像特征。
4.传统空间目标检测使用基于能量的方法，不需额外的数据集来训练模型，即使用望远镜拍得图像以完成算法的验证。此外也有对星图的仿真和卫星的仿真，部分方案如下所述：
5.1)文献“带噪声模拟仿真星图的实现”是基于星库以及坐标变换的方法实现星空图像的仿真，并在此基础上添加了高斯白噪声等内容，未涉及空间目标的仿真。
6.2)文献“基于opengl的空间目标图像生成方法”通过三维建模仿真了卫星的具体形态，，通过设置有关参数生成目标和成像系统信息在内的仿真图像，并添加了噪声与畸变以让仿真图像更趋近于真实空间目标图像。
7.直接采用望远镜拍得图像做数据集成本高并且无法满足多种特征人为干预的要求，而现有星图仿真虽然能够较好地模拟恒星在图像中的位置与形态，但存在着无法仿真空间暗弱目标的问题，同样对卫星的仿真也不能很好地模拟空间暗弱目标。

技术实现要素：

8.鉴于上述问题，本发明的目的是提出一种空间目标仿真数据集构建方法，首先建立与地基望远镜相同分辨率的灰度图像，默认背景灰度为0；其次仿真图像中的恒星与目标，模拟恒星与空间目标在图像中特征信息；最后完成各类杂波、云层、亮星以及宇宙射线等不良因素的干扰。
9.本发明的仿真图像数据集主要针对高轨空间小目标的图像，在图像中成像形态为点与短线。本发明是为了模拟空间碎片等暗弱目标的成像图片，通过仿真不同信噪比、杂波环境、目标轮廓以及目标灰度值等因素完成对深度学习所需数据集的构建。
10.为实现上述目的，本发明采用以下具体技术方案：
11.本发明提供一种空间目标仿真数据集构建方法，包括以下步骤：
12.s1、创建空间目标图像，并将其作为数据集的标签部分；
13.s2、在空间目标图像中随机添加恒星和亮星；
14.s3、对添加恒星和亮星后的空间目标图像进行模糊处理；
15.s4、在空间目标图像中添加噪声，并将其作为数据集的原始图像部分，完成数据集的构建。
16.优选地，每幅空间目标图像的目标数量为5-12个。
17.优选地，在步骤s1中，目标的形状为长矩形，且长矩形两端为半圆形；长为15-20个像素，宽为5-8个像素。
18.优选地，在添加恒星时：
19.半径为5-15像素的恒星为圆状；
20.半径为35-50像素时，恒星的亮光会产生拉条，拉条的方向为竖直方向。
21.优选地，亮星的数量为0-5个，随机加入空间目标图像中。
22.优选地，在步骤s3中，通过均值滤波对空间目标图像中的恒星、目标进行边缘虚化处理；均值滤波窗口选择2
×
2或3
×
3。
23.优选地，在步骤s4中添加的噪声为高斯白噪声。
24.与现有的技术相比，本发明具有以下优点：
25.1)数据获取容易，成本低
26.相较于采集真实图像用作数据集，本发明只需完成相关代码的编写有着极大的优势，不仅能够轻松获得数据，而且成本低。
27.2)仿真图像特征可控
28.仿真图像的信噪比、轮廓形状以及星体数量等能通过修改参数来控制，本发明通过设置不同的参数能够让网络适应不同的图像，进而实现训练出更好的神经网络。
29.3)标签标注准确
30.本发明不同于使用标注工具会产生人为标注误差，直接构建的空间目标图像实现了先标签后原图的操作，因此相较于使用采集而来图像进行标注能够获得更精确的标签图像。
附图说明
31.图1是根据本发明实施例提供的空间目标仿真数据集构建方法的流程示意图。
32.图2是根据本发明实施例提供的空间目标仿真数据集构建方法的程序框图。
33.图3是根据本发明实施例提供的空间目标仿真数据集构建方法的空间目标形态示意图。
34.图4是根据本发明实施例提供的空间目标仿真数据集构建方法的恒星形态示意图。
35.图5是根据本发明实施例提供的空间目标仿真数据集构建方法的亮星形态示意图。
具体实施方式
36.在下文中，将参考附图描述本发明的实施例。在下面的描述中，相同的模块使用相同的附图标记表示。在相同的附图标记的情况下，它们的名称和功能也相同。因此，将不重
复其详细描述。
37.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，而不构成对本发明的限制。
38.图1示出了根据本发明实施例提供的空间目标仿真数据集构建方法的流程示意图。
39.图2示出了根据本发明实施例提供的空间目标仿真数据集构建方法的程序框图。
40.如图1-2所示，本发明实施例提供的空间目标仿真数据集构建方法包括以下步骤：
41.s1、创建空间目标图像，并将目标作为数据集的标签部分。
42.本发明拟仿真地基望远镜在凝视恒星模式下获得图像。在此模式下恒星与噪声呈圆点状而空间目标随着曝光时间的不同呈不同长度的条状。
43.图3示出了根据本发明实施例提供的空间目标仿真数据集构建方法的空间目标形态示意图。
44.如图3所示，在为目标进行建模时，可将目标设计为中间为矩形两侧为半圆的形状，为符合真实图像比例，具体设计尺寸如图所示：长为15-20个像素、宽为5-8个像素。图像分辨率为2048*2048，考虑到真实图像中目标数量一般为5-15个，因此在每幅图像中加入随机的5-12个目标。选取若干添加了空间目标后的图像作为数据集的标签用以训练网络。
45.s2、在空间目标图像中随机添加恒星和亮星。
46.一幅分辨率为2048*2048的空间目标图像中的清晰可见的恒星数大约为4000-10000个，因此在步骤s1的基础上添加相应的恒星，虽然恒星分布有星库可以对应坐标进行匹配，但对于深度学习训练网络，恒星的位置准确与否并不重要，在位置设计时横纵坐标在0-2047中的整数随机选取。恒星在图像中呈圆状，而不同恒星的大小又有不同的表现。通过观察计算可得当恒星半径大于35像素值时，会造成亮星拉条现象。
47.图4示出了根据本发明实施例提供的空间目标仿真数据集构建方法的恒星形态示意图。
48.图5示出了根据本发明实施例提供的空间目标仿真数据集构建方法的亮星形态示意图。
49.在恒星半径为5-15时，恒星呈正常圆状，如图4所示；当恒星半径为35-50像素时，恒星的亮光会产生拉条，拉条的方向为竖直方向，如图5所示，亮星的数量数设为0-5，随机加入图像中。
50.s3、对添加恒星和亮星后的空间目标图像进行模糊处理。
51.空间目标以及恒星在图像中的显示轮廓并非十分清晰，为增强网络的训练效果，需要对空间目标图像中的恒星、目标进行边缘虚化处理。均值滤波能够将一定区域内像素平均值代替原来像素值，通过设置不同大小的矩形子图像窗口能够完成对图像不同程度的模糊，即对恒星以及目标边缘进行不同程度的虚化。均值滤波窗口具体选择2
×
2与3
×
3。
52.s4、在空间目标图像中添加噪声，作为数据集的原始图像部分，完成数据集的构建。
53.以上步骤完成了图像中恒星与目标的仿真，但实际图像还有各类噪声以及杂波等因素。本发明添加高斯白噪声作为噪声，通过设置不同的均值、方差等仿真不同图像的真实
情况。最后将批量处理好的图像作为数据集的原始图像部分，完成数据集的构建。
54.尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
55.以上本发明的具体实施方式，并不构成对本发明保护范围的限定。任何根据本发明的技术构思所作出的各种其他相应的改变与变形，均应包含在本发明权利要求的保护范围内。

技术特征：

1.一种空间目标仿真数据集构建方法，其特征在于，包括以下步骤：s1、创建空间目标图像，并将其作为数据集的标签部分；s2、在所述空间目标图像中随机添加恒星和亮星；s3、对所述添加恒星和亮星后的空间目标图像进行模糊处理；s4、在所述空间目标图像中添加噪声，并将其作为数据集的原始图像部分，完成所述数据集的构建。2.根据权利要求1所述的空间目标仿真数据集构建方法，其特征在于，所述每幅空间目标图像的目标数量为5-12个。3.根据权利要求2所述的空间目标仿真数据集构建方法，其特征在于，在所述步骤s1中，所述目标的形状为长矩形，且所述长矩形两端为半圆形；长为15-20个像素，宽为5-8个像素。4.根据权利要求3所述的空间目标仿真数据集构建方法，其特征在于，在添加所述恒星时：半径为5-15像素的恒星为圆状；半径为35-50像素时，恒星的亮光会产生拉条，所述拉条的方向为竖直方向。5.根据权利要求4所述的空间目标仿真数据集构建方法，其特征在于，所述亮星的数量为0-5个，随机加入所述空间目标图像中。6.根据权利要求5所述的空间目标仿真数据集构建方法，其特征在于，在所述步骤s3中，通过均值滤波对所述空间目标图像中的恒星、目标进行边缘虚化处理；所述均值滤波窗口选择2
×
2或3
×
3。7.根据权利要求6所述的空间目标仿真数据集构建方法，其特征在于，在步骤s4中添加的噪声为高斯白噪声。

技术总结

本发明提供一种空间目标仿真数据集构建方法，包括以下步骤：S1、创建空间目标图像，并将其作为数据集的标签部分；S2、在空间目标图像中随机添加恒星和亮星；S3、对添加恒星和亮星后的空间目标图像进行模糊处理；S4、在空间目标图像中添加噪声，并将其作为数据集的原始图像部分，完成数据集的构建。本发明通过虚化以及腐蚀等操作能够将直接得来的形状优化，使其更接近真实获得图像，同时完成了恒星与目标的仿真，具有很强的创新性与工程应用价值。本发明提供改变参数能够灵活地调整仿真图像中恒星与目标的特征，为数据集送入卷积神经网络提供了可定量分析的仿真图像。提供了可定量分析的仿真图像。提供了可定量分析的仿真图像。