Cassini ISS图像可测性分类的初步研究

发布时间：2018-03-02 07:29

  本文关键词： 天体测量学 技术 图像处理 方法 数据分析 方法 统计　出处：《天文学报》2017年04期 　论文类型：期刊论文

【摘要】：Cassini的光学成像系统(Imaging Science Subsystem,ISS)拍摄了大量的土星及其卫星的图像,其中一部分可以用来做天体测量工作,但是需要人工挑拣出来,这是一项繁重的工作.研究目的是将这种工作自动化.为此,将卷积神经网络(Convolution Neural Network,CNN)与支持向量机(Support Vector Machine,SVM)结合起来,提出了一种ISS图像可测性分类系统.系统首先通过深度卷积网络提取ISS图像的特征描述子,然后使用SVM分类器根据图像的特征描述子对图像进行分类.对比了3种有代表性的深度卷积网络:CNN-F、CNN-M-128和Very Deep-19,实验结果表明:CNN-F卷积网络加SVM可以提供较好的分类结果,其分类准确率在97%以上.研究不仅可用于Cassini ISS图像的天体测量工作,也可以推广到其他空间探测项目的类似工作中.
[Abstract]:Cassini's optical imaging system, Imaging Science Subsystem ISS, takes a lot of images of Saturn and its moons, some of which can be used for astrometry, but they need to be picked up manually. This is a heavy task. The purpose of the study is to automate this work. To do this, we combine the convolutional neural network solution Neural Network CNNs with the support Vector Machine (SVM). In this paper, a testability classification system for ISS image is proposed. Firstly, the feature descriptor of ISS image is extracted by deep convolution network. Then we use SVM classifier to classify the images according to the feature descriptors of the image. Three typical deep convolution networks: CNN-FU CNN-M-128 and Very Deep-19 are compared. The experimental results show that the SVM plus the convolution network of the SVM can provide better classification results. The classification accuracy is more than 97%. The research can be used not only in the astrometry of Cassini ISS images, but also in the similar work of other space exploration projects.
【作者单位】： 暨南大学计算机系;
【基金】：国家自然科学基金委员会-中国科学院天文联合基金重点项目(U1431227) 国家自然科学基金项目(11403008) 广东省自然科学基金项目(2016A030313092、2014A030313374) 广东省教育厅高等学校科技创新项目(2013KJCX0020)资助
【分类号】：P12
，

本文编号：1555581