基于卷积神经网络的材质分类识别研究

摘要：

目前,空间目标中约6%为正在工作的航天器,而约94%的空间目标为太空垃圾,严重干扰和限制了航天器发射、运行等正常的太空活动轨道,在有效清除空间碎片之前,必须对其进行有效识别.本文基于散射光谱,使用卷积神经网络对空间碎片四种材质进行分类识别,并与BP神经网络的识别结果分析比较.鉴于试验所得的材质的原始光谱信噪比低、特征信息弱等特点,需要对光谱信号进行预处理包括去噪、BRDF计算和归一化处理.然后各取四种材质的200帧样本数据进行训练,另各取50帧数据预测,结果表明:卷积神经网络的总体精度比BP神经网络低2%,耗时少101 s;而增加训练样本数据量达到每个材质各500帧时,卷积神经网络的总体精度仅比BP神经网络低0.05%,耗时则少了891 s,卷积神经网络极大的体现了其时间的优越性.该方法对大数据量的空间碎片材质的分类,具有较大的实用性和借鉴意义.

关键词：空间碎片、散射光谱、卷积神经网络、BP神经网络

所属期刊栏目：47

分类号：TP391.41(计算技术、计算机技术)

在线出版日期：2017-09-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1024-1028