星图识别

针对星敏感器在姿态失锁状态下的星图识别问题，提出了一种人工智能增强型恒星识别算法，用于迷失空间模式的恒星跟踪器。在人工智能算法中使用基于Vgg16的卷积神经网络模型对恒星图像进行分类。构建训练数据集以实现网络的最佳性能。仿真结果表明，该算法对多种噪声具有很高的鲁棒性，包括位置噪声，幅度噪声，假星和跟踪器的角速度。借助深层卷积神经网络，尽管有噪声和干扰，识别精度仍可保持在96％，这是对传统金字塔和网格算法的重大改进。
摘自：一种基于人工智能的星图识别算法（英文）
作者：*Hao WANG E-mail: roger@zju.edu.cn;
在中国知网查看：https://kns.cnki.net/KXReader/Detail?TIMESTAMP=637510566572890625&DBCODE=CJFD&TABLEName=CJFDLAST2020&FileName=JZUS202011010&RESULT=1&SIGN=zlpudSQqjPF6zxDDP8P7Dvn9ags%3d

三角形星图识别可靠性与可操作性较强,目前仍在广泛使用,但是三角形星图识别算法存在冗余匹配和误识别。通过星点的几何分布构建星点的径向特征量,依据径向特征量对星图进行初始识别,将拍摄星点的识别结果限定在数颗导航星上。在初始识别的基础上,运用三角形星图识别算法再次进行识别,使三角形星图识别更具针对性,同时提高识别的正确性。实验结果表明,采用基于径向特征的改进三角形识别算法,星图识别的准确性和针对性都得到了提高。
作者简介： 刘先一(1991—),男,河南信阳人,博士研究生;E-mail:1397559188@qq.com;; *张志利,男,教授,博士,博士生导师,E-mail:effortyao@163.com;
https://kns.cnki.net/KXReader/Detail?TIMESTAMP=637510954819101562&DBCODE=CJFD&TABLEName=CJFDLAST2020&FileName=GFKJ202006005&RESULT=1&SIGN=EHQJVgtP%2bqGWNQb8s%2bWLz2DXKuw%3d