买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：苏州科技大学

摘要：本发明公开了一种基于改进FasterR‑CNN的星敏感器快速星像提取方法，本发明基于改进FasterR‑CNN能够在布满噪声污染的星图中，提取出星像目标所在区域；提供一种基于像素筛选的灰度质心法，提高星像质心坐标的精度。本发明能够直接从受强噪声干扰的星图中，快速准确的提取出星像质心坐标。

主权项：1.一种基于改进FasterR-CNN的星敏感器快速星像提取方法，其特征在于，包括以下步骤：S11.构建改进FasterR-CNN网络，其结构包括星像特征提取主干网、特征融合器、区域生成网络和分类与回归网络；S12.将64k×64k尺寸的受噪声污染的星图分割成四张32k×32k尺寸的子星图，将四张子星图送入星像特征提取主干网中；S13.将每一张32k×32k尺寸，通道数为1的子星图作为输入，经过第一层步距为2，卷积核大小为3×3，激活函数为ReLU的二维卷积层，输出16k×16k尺寸，通道数为8的特征矩阵F1；S14.将步骤S13中的特征矩阵F1送入第一个星像残差结构，得到输出为16k×16k尺寸，通道数为8的特征矩阵F2；S15.将步骤S14中的特征矩阵F2送入第二个星像残差结构，得到输出为8k×8k尺寸，通道数为8的特征矩阵F3；S16.将步骤S15中的特征矩阵F3送入第三个星像残差结构，得到输出为4k×4k尺寸，通道数为8的特征矩阵F4；S17.将步骤S16中的特征矩阵F4送入第四个星像残差结构，得到输出为2k×2k尺寸，通道数为8的特征矩阵F5；S18.将步骤S17中的特征矩阵F5送入第五个星像残差结构，得到输出为k×k尺寸，通道数为16的特征矩阵F6；S19.将步骤S18中的特征矩阵F6送入步距为1，卷积核大小为1×1，激活函数为ReLU的二维卷积层，得到输出为k×k尺寸，通道数为64的特征矩阵F7；S110.将得到的特征矩阵进行特征融合，步骤S19中得到的F7与步骤S17中得到的F5进行上采样操作，得到与步骤S14中F2尺寸相同的F7’、F5’，并分别将F7’、F5’与F2进行像素叠加，得到F7”、F5”，再将F7”、F5”像素叠加得到最终预测特征矩阵P；S111.将特征矩阵P送入区域生成网络中，得到一系列的星像目标候选框；S112.再经过分类与回归网络，输出预测坐标数据，即星像在子星图中的区域范围；S113.将预测坐标数据进行坐标变换，得到星像在原图中的区域范围坐标，并行处理的四张子星图均属于同一张星图，第一张子图中的星像区域的横纵坐标均不变；第二张子图的横坐标加上子星图尺寸，纵坐标不变；第三张子图的纵坐标加上子星图尺寸，横坐标不变；第四张子星图横纵坐标均加上子星图尺寸，即可得到星像在原图中的区域范围坐标；S114.输出在原图中的星像区域图像；S115.利用基于像素筛选的灰度质心法，得到星像质心坐标。

全文数据：

权利要求：

百度查询： 苏州科技大学 一种基于改进Faster R-CNN的星敏感器快速星像提取方法