基于统计特征空间提取和支持向量机的极暗弱小天体检测方法

摘要：

小天体检测是小天体防御和预警的前提.针对小天体目标信噪比低、检测难的问题,提出了基于统计特征空间提取和支持向量机(SVM)的极暗弱小天体检测方法.区别于传统方法基于时间或空间上目标的能量和背景噪声能量的瞬时能量差别或是瞬时能量差别的累积,对目标进行检测.该方法不依赖目标能量大小,提取运动目标穿过背景时对稳定性产生的扰动来反演运动目标.将输入的图像序列转化为单像元时序信号,划分时序窗口提取统计特征,关联形成统计特征空间,利用更高维度的变化特性检测目标变化.通过SVM将暗弱小天体检测问题转化为目标与背景的二分类问题,避开了较难解决的阈值分割问题同时具有更好的泛化性能.利用真实数据与其他经典方法进行对比分析,使得分类准确率提高4.02％.该方法能够适应更低的信噪比,在极低信噪比下仍表现出稳定的检测性能.

关键词：运动目标检测、低信噪比、小天体、特征空间、支持向量机

所属期刊栏目：43

分类号：P271(地籍学)

在线出版日期：2023-03-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：119-128