本發(fā)明涉及深空圖像目標檢測與分割的，具體涉及一種基于半監(jiān)督學(xué)習(xí)的復(fù)雜背景下空間條紋目標檢測方法。

背景技術(shù)：

1、空間目標檢測目前主要分為兩大類，一是條紋狀空間目標檢測，二是點狀空間目標檢測?？臻g目標的形態(tài)差異取決于相機的工作模式及曝光時間。其中，在恒星跟蹤模式及長曝光較長時，空間目標將呈現(xiàn)條紋狀。此時，空間條紋目標檢測是指從點狀恒星及噪聲背景中檢測出條紋拖尾狀空間目標的過程。在強噪聲及雜散光干擾情況下，由于條紋空間目標區(qū)域信噪比極低，專為直線狀物體設(shè)計的hough變換及rough變換將不再適用。

2、根據(jù)guy?nir等人《optimal?and?efficient?streak?detection?inastronomical?images》（參見《the?astronomical?journal》，2018年156(11)：229-244頁），在該文獻中結(jié)合rough變換來檢測空間條紋目標，但不適用于強雜散光背景干擾下的情況。

3、根據(jù)ping?jiang等人的《space?debris?automation?detection?and?extractionbased?on?a?wide-field?surveillance?system》（參見《the?astrophysical?journalsupplement?series》，2022年259(03)：4-16頁），在該文獻首先利用改進的中值濾波進行去噪，然后利用hough變換進行空間條紋目標檢測，但是同樣也不適用于強雜散光背景干擾下的情況。

技術(shù)實現(xiàn)思路

1、針對上述條紋狀空間目標的檢測，本發(fā)明提出一種基于半監(jiān)督學(xué)習(xí)的復(fù)雜背景下空間條紋目標檢測方法。該方法顯著減少了對像素級標簽圖像的依賴，通過在訓(xùn)練過程中自動從無標注圖像中發(fā)掘新的條紋分割知識，從而提升模型整體的泛化能力。

2、為達到上述目的，本發(fā)明采用的技術(shù)方案如下：

3、一種基于半監(jiān)督學(xué)習(xí)的復(fù)雜背景下空間條紋目標檢測方法，包括如下步驟：

4、步驟1、初始化兩個unet網(wǎng)絡(luò)，分別作為教師模型和學(xué)生模型，利用少量的有標簽空間圖像數(shù)據(jù)來預(yù)訓(xùn)練教師模型，得到具備初步條紋目標辨識能力的教師模型；

5、步驟2、將大量的無標簽空間圖像數(shù)據(jù)同時輸入到教師模型和學(xué)生模型中，并且利用教師模型產(chǎn)生的偽標簽來監(jiān)督學(xué)生模型，并計算無監(jiān)督損失和一致性正則化損失；

6、步驟3、將少量的有標簽空間圖像數(shù)據(jù)僅輸入學(xué)生模型，得到有監(jiān)督損失；將無監(jiān)督損失、一致性正則化損失及有監(jiān)督損失加權(quán)組合，用于訓(xùn)練學(xué)生模型的最終損失；

7、步驟4、僅將訓(xùn)練好的學(xué)生模型作為推理階段的模型，用于空間條紋目標檢測。

8、本發(fā)明與現(xiàn)有技術(shù)相比的有益效果在于：

9、（1）降低標注成本：僅需要少量含標簽的空間圖像數(shù)據(jù)，即可提升對無標簽數(shù)據(jù)的利用能力，解決空間圖像數(shù)據(jù)稀缺導(dǎo)致訓(xùn)練數(shù)據(jù)集不足的問題；

10、（2）提升魯棒性：在訓(xùn)練學(xué)生模型時損失中的一致性正則化，確保了模型在雜散光多變的場景下的魯棒性。

11、（3）提升泛化能力：通過結(jié)合含標簽數(shù)據(jù)和無標簽數(shù)據(jù)，提出的半監(jiān)督學(xué)習(xí)方法可以更好地捕捉空間圖像數(shù)據(jù)中條紋目標的分布特征，從而提高模型的泛化能力。

技術(shù)特征：

1.一種基于半監(jiān)督學(xué)習(xí)的復(fù)雜背景下空間條紋目標檢測方法，其特征在于，包括如下步驟：

2.根據(jù)權(quán)利要求1所述的一種基于半監(jiān)督學(xué)習(xí)的復(fù)雜背景下空間條紋目標檢測方法，其特征在于，所述步驟1包括：

3.根據(jù)權(quán)利要求2所述的一種基于半監(jiān)督學(xué)習(xí)的復(fù)雜背景下空間條紋目標檢測方法，其特征在于，所述步驟2包括：

4.根據(jù)權(quán)利要求3所述的一種基于半監(jiān)督學(xué)習(xí)的復(fù)雜背景下空間條紋目標檢測方法，其特征在于，所述步驟3包括：

5.根據(jù)權(quán)利要求4所述的一種基于半監(jiān)督學(xué)習(xí)的復(fù)雜背景下空間條紋目標檢測方法，其特征在于，所述步驟4包括：

6.根據(jù)權(quán)利要求1所述的一種基于半監(jiān)督學(xué)習(xí)的復(fù)雜背景下空間條紋目標檢測方法，其特征在于，少量的有標簽空間圖像數(shù)據(jù)與大量的無標簽空間圖像數(shù)據(jù)的數(shù)據(jù)量的比值為1:4。

技術(shù)總結(jié)
本發(fā)明公開一種基于半監(jiān)督學(xué)習(xí)的復(fù)雜背景下空間條紋目標檢測方法，涉及深空圖像目標檢測與分割的技術(shù)領(lǐng)域，包括：初始化兩個UNet網(wǎng)絡(luò)，將它們分別作為教師和學(xué)生模型，利用少量的帶標簽空間圖像來訓(xùn)練教師模型，得到具備初步條紋目標辨識能力的教師模型；將大量的無標簽圖像同時輸入到教師和學(xué)生模型中，并且利用教師模型產(chǎn)生的偽標簽來監(jiān)督學(xué)生模型，得到無監(jiān)督損失和一致性正則化損失；將少量的有標簽數(shù)據(jù)僅輸入學(xué)生模型，得到有監(jiān)督損失。將損失加權(quán)組合，用于訓(xùn)練學(xué)生模型的最終損失；將最終訓(xùn)練好的學(xué)生網(wǎng)絡(luò)作為推理階段的模型，用于空間條紋目標檢測。本發(fā)明能有效完成恒星背景與條紋空間目標的分離。

技術(shù)研發(fā)人員：趙汝進,朱梓建,淡冰冰,馬躍博,龍鴻峰,劉恩海,梁震,易晉輝
受保護的技術(shù)使用者：中國科學(xué)院光電技術(shù)研究所
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6