Cassini ISS图像可测性分类的初步研究

• 作者: 张庆丰 彭青玉 李展 李照亮
• 来源期刊: 天文学报
• 学科: 地球科学
• 关键词: 天体测量学 技术:图像处理 方法:数据分析 方法:统计
• 年，卷（期）: 2017,（4）
• 页码范围: 94-105
• 页数: 12页
• 分类号: P123
• 字数: 7828字
• 语种: 中文
• DOI: 10.15940/j.cnki.0001-5245.2017.04.009

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VeryDeep-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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	彭青玉	暨南大学计算机系	18	76	5.0	8.0
2	李展	暨南大学计算机系	11	94	4.0	9.0
3	张庆丰	暨南大学计算机系	12	64	5.0	7.0
4	李照亮	暨南大学计算机系	1	1	1.0	1.0