本申請涉及圖像識別，特別涉及一種航天器組件識別方法及系統(tǒng)。

背景技術：

1、隨著航天事業(yè)的快速發(fā)展，空間目標在軌服務已經(jīng)成為航天領域的一項重要發(fā)展技術?？臻g目標在軌服務包含對航天器的維修、重組和捕獲。航天器組件的識別是實現(xiàn)空間目標在軌服務最關鍵的一步，是后續(xù)衛(wèi)星進行交會對接、維修組裝、擊打空間碎片和其他任務的前提。航天器組件是指空間目標在軌運行過程中起到重要作用的可觀測局部有效載荷。這些組件在空間目標圖像中具有明顯的圖形特征和紋理。在航天器組件識別任務中，需要確定五個組件，包含太陽能電池板、天線、光學負載、儀器和推進器。這些組件承擔著關鍵的功能和任務，太陽能電池板提供電力能源，天線進行通信，儀器負責記錄、傳輸數(shù)據(jù)，推進器負責航天器運動，光學有效載荷進行觀測。

2、近年來，基于深度學習的航天器組件識別主要有目標檢測和語義分割兩種方法，它們都是計算機視覺領域中的關鍵任務。

3、目標檢測方法通過使用邊界框對航天器組件進行分類和定位。然而，目標檢測方法只能提供矩形邊界內的大致位置，可能無法準確反映組件的具體形狀。因此，基于目標檢測的方法很難為航天器組件提供精確的邊緣信息。相比之下，基于語義分割的方法在檢測和定位整個航天器方面更為有效。

4、與目標檢測方法相比，語義分割方法會為每個圖像像素分配一個類別標簽，從而生成精確的組件掩碼，為后續(xù)的圖像分析任務提供更豐富、更詳細的信息。此外，通過采用卷積神經(jīng)網(wǎng)絡等深度學習技術，基于語義分割的方法能夠學習不同尺度和形狀的組件特征，從而靈活地適應不同尺度和形狀的組件。因此，語義分割方法更適合航天器組件識別的任務，能夠實現(xiàn)對航天器組件圖像的精確分割，為后續(xù)的空間目標在軌服務提供更好的支持。

5、盡管語義分割更適合航天器組件識別任務，但是也存在許多局限性。由于航天器組件的尺寸、形狀差異比較大，導致在航天器組件識別過程中出現(xiàn)錯誤分類或者漏分，對后續(xù)航天器進行交會、捕獲和維修等任務造成了困難。其次，某些航天器表面紋理復雜，形狀不規(guī)則，在識別航天器組件過程中，生成的組件分割掩模邊緣不準確，甚至還會出現(xiàn)不連續(xù)的情況，阻礙了航天器后續(xù)執(zhí)行空間目標在軌服務等復雜任務。

技術實現(xiàn)思路

1、本申請實施例提供了一種航天器組件識別方法及系統(tǒng)，用以解決現(xiàn)有技術中語義分割方法在航天器組件識別過程中存在的識別結果不準確的問題。

2、一方面，本申請實施例提供了一種航天器組件識別方法，包括：

3、獲取待識別圖像；

4、將待識別圖像輸入空間注意力感知編碼器，空間注意力感知編碼器包含骨干網(wǎng)絡convnext-b和第一空間注意力感知特征融合模塊，骨干網(wǎng)絡convnext-b包含依次連接的四個階段，依次為階段一、階段二、階段三和階段四，兩個第一空間注意力感知特征融合模塊分別連接在階段二和階段三后，階段一提取待識別圖像的特征，階段二、階段三和階段四對前一階段或第一空間注意力感知特征融合模塊輸出的特征進行特征提取，每個階段均產(chǎn)生對應的輸出特征；

5、將輸出特征輸入多級自適應空間特征融合解碼器，多級自適應空間特征融合解碼器包含依次連接的多級自適應空間特征融合模塊和第二空間注意力感知特征融合模塊，多級自適應空間特征融合模塊包含四個級聯(lián)的自適應空間特征融合模塊，階段一、階段二、階段三和階段四產(chǎn)生的輸出特征對應輸入一個自適應空間特征融合模塊，自適應空間特征融合模塊融合相應階段的輸出特征以及前一級的輸出特征，產(chǎn)生融合特征，第二空間注意力感知特征融合模塊對融合特征進行拼接級聯(lián)，得到航天器組件掩膜；

6、基于航天器組件掩膜確定航天器組件的識別結果。

7、另一方面，本申請實施例還提供了一種航天器組件識別系統(tǒng)，包括：

8、圖像獲取模塊，用于獲取待識別圖像；

9、空間注意力感知編碼器，包含骨干網(wǎng)絡convnext-b和第一空間注意力感知特征融合模塊，骨干網(wǎng)絡convnext-b包含依次連接的四個階段，依次為階段一、階段二、階段三和階段四，兩個第一空間注意力感知特征融合模塊分別連接在階段二和階段三后，階段一提取待識別圖像的特征，階段二、階段三和階段四對前一階段或第一空間注意力感知特征融合模塊輸出的特征進行特征提取，每個階段均產(chǎn)生對應的輸出特征；

10、多級自適應空間特征融合解碼器，包含依次連接的多級自適應空間特征融合模塊和第二空間注意力感知特征融合模塊，多級自適應空間特征融合模塊包含四個級聯(lián)的自適應空間特征融合模塊，階段一、階段二、階段三和階段四產(chǎn)生的輸出特征對應輸入一個自適應空間特征融合模塊，自適應空間特征融合模塊融合相應階段的輸出特征以及前一級的輸出特征，產(chǎn)生融合特征，第二空間注意力感知特征融合模塊對融合特征進行拼接級聯(lián)，得到航天器組件掩膜；

11、圖像識別模塊，用于基于航天器組件掩膜確定航天器組件的識別結果。

12、本申請中的一種航天器組件識別方法及系統(tǒng)，具有以下優(yōu)點：

13、采用骨干網(wǎng)絡convnext-b和空間注意力感知特征融合模塊（spatial?attentionfeature?fusion?module，sa-ffm）提取特征，將提取的特征輸入四個級聯(lián)的自適應空間特征融合模塊（adaptive?spatial?feature?fusion，asff）融合不同尺度的低層、中層和高層特征，從而得到更豐富的航天器組件的語義信息。實驗結果表明，與其他現(xiàn)有方法相比，本申請的方法實現(xiàn)了最佳的航天器組件識別效果。

技術特征：

1.一種航天器組件識別方法，其特征在于，包括：

2.根據(jù)權利要求1所述的一種航天器組件識別方法，其特征在于，每個所述自適應空間特征融合模塊均對輸入的特征進行采樣和卷積運算，使其他所述自適應空間特征融合模塊輸出的特征向量的通道數(shù)調整至與當前的所述自適應空間特征融合模塊輸出的特征向量的通道數(shù)相同。

3.根據(jù)權利要求1所述的一種航天器組件識別方法，其特征在于，所述階段一包含殘差塊convnext?block，所述階段二、所述階段三和所述階段四均包含依次連接的下采樣塊和所述殘差塊convnext?block。

4.根據(jù)權利要求3所述的一種航天器組件識別方法，其特征在于，所述殘差塊convnextblock依次進行深度二維卷積、層歸一化、二維卷積、層歸一化、二維卷積、層歸一化和正則化處理，所述下采樣塊依次進行層歸一化和二維卷積處理。

5.根據(jù)權利要求1所述的一種航天器組件識別方法，其特征在于，所述第一空間注意力感知特征融合模塊包含三個并列的分支，三個分支分別進行空間特征增強、局部特征提取和保留原始輸入特征，所述第一空間注意力感知特征融合模塊將局部特征、原始輸入特征以及增強的空間特征進行拼接級聯(lián)；所述第二空間注意力感知特征融合模塊也包含三個并列的分支，三個分支分別進行空間特征增強、局部特征提取和保留原始輸入特征，所述第二空間注意力感知特征融合模塊將局部特征、原始輸入特征以及增強的空間特征進行拼接級聯(lián)。

6.根據(jù)權利要求5所述的一種航天器組件識別方法，其特征在于，所述第一空間注意力感知特征融合模塊和所述第二空間注意力感知特征融合模塊中的三個分支中，第一個分支對輸入的特征進行二維卷積后，得到第一卷積特征，所述第一卷積特征再次經(jīng)過二維卷積后得到第二卷積特征，所述第一卷積特征和所述第二卷積特征合并得到第一合并卷積特征，所述第一合并卷積特征再次經(jīng)過二維卷積后得到第三卷積特征，所述第三卷積特征和所述第一合并卷積特征合并得到第二合并卷積特征，所述第二合并卷積特征經(jīng)過空間注意力機制塊處理后得到空間特征，所述空間特征和所述第二合并卷積特征進行卷積處理后得到第四卷積特征，第二個分支對輸入的特征進行二維卷積后得到第五卷積特征，所述第五卷積特征和所述第四卷積特征合并得到第三合并卷積特征，所述第三合并卷積特征經(jīng)過二維卷積后得到第六卷積特征，第三個分支將輸入的特征與所述第六卷積特征進行合并，得到輸出的特征。

7.根據(jù)權利要求6所述的一種航天器組件識別方法，其特征在于，所述空間注意力機制塊對輸入的特征分別進行最大池化和平均池化后得到特征一和特征二，所述特征一和所述特征二合并后得到的特征經(jīng)過卷積處理得到特征三，所述特征三經(jīng)過sigmoid函數(shù)激活后得到特征四，即輸出的特征。

8.根據(jù)權利要求1所述的一種航天器組件識別方法，其特征在于，在對所述待識別圖像進行處理前，先對所述空間注意力感知編碼器和所述多級自適應空間特征融合解碼器進行訓練，訓練過程中采用由交叉熵損失函數(shù)和邊界損失函數(shù)組成的復合損失函數(shù)進行優(yōu)化。

9.根據(jù)權利要求1所述的一種航天器組件識別方法，其特征在于，所述待識別圖像依次經(jīng)過二維卷積和層歸一化處理后再作為所述階段一的輸入，所述階段四的輸出特征依次經(jīng)過全局平均池化、層歸一化和線性變換后，輸入所述自適應空間特征融合模塊；

10.應用權利要求1-9任一項所述的一種航天器組件識別方法的系統(tǒng)，其特征在于，包括：

技術總結
本申請公開了一種航天器組件識別方法及系統(tǒng)，涉及圖像識別技術領域，方法包括：將待識別圖像輸入空間注意力感知編碼器，產(chǎn)生輸出特征；將輸出特征輸入多級自適應空間特征融合解碼器，得到航天器組件掩膜；基于航天器組件掩膜確定航天器組件的識別結果。本申請采用骨干網(wǎng)絡ConvNeXt?B和空間注意力感知特征融合模塊提取特征，將提取的特征輸入四個級聯(lián)的自適應空間特征融合模塊融合不同尺度的低層、中層和高層特征，從而得到更豐富的航天器組件的語義信息。實驗結果表明，與其他現(xiàn)有方法相比，本申請的方法實現(xiàn)了最佳的航天器組件識別效果。

技術研發(fā)人員：張無瑕,邵蕭蕭,李直,萬里,張博奕
受保護的技術使用者：西安郵電大學
技術研發(fā)日：
技術公布日：2024/12/19