空間暗弱目標(biāo)光學(xué)探測(cè)技術(shù)綜述

樓 鑫，謝 敏，趙 陽(yáng)

(1. 裝備學(xué)院，北京 101416; 2. 中國(guó)衛(wèi)星海上測(cè)控部 江蘇 江陰 214431)

空間暗弱目標(biāo)光學(xué)探測(cè)技術(shù)綜述

樓 鑫1,2，謝 敏2，趙 陽(yáng)1

(1. 裝備學(xué)院，北京 101416; 2. 中國(guó)衛(wèi)星海上測(cè)控部 江蘇 江陰 214431)

基于光學(xué)對(duì)空間目標(biāo)進(jìn)行探測(cè)是當(dāng)前進(jìn)行空間目標(biāo)探測(cè)的主要手段之一，本文從回顧了空間暗弱目標(biāo)探測(cè)技術(shù)以及數(shù)據(jù)挖掘技術(shù)的發(fā)展歷史，提出基于數(shù)據(jù)挖掘技的空間暗弱目標(biāo)光學(xué)探測(cè)技術(shù)方法是今后發(fā)展的趨勢(shì)。

空間目標(biāo)；光學(xué)探測(cè)技術(shù)；數(shù)據(jù)挖掘

0 引言

空間目標(biāo)[1]是指環(huán)繞地球并在空間按照一定軌道運(yùn)行的物體，包括人造衛(wèi)星等航天器、空間碎片（如助推器、保護(hù)罩、衛(wèi)星碎片）等。目前[2]，人類已經(jīng)發(fā)射超過(guò)26000個(gè)各類航天器，近一半的航天器仍然在繼續(xù)繞地球運(yùn)動(dòng)，雖然其中大部分已經(jīng)無(wú)法正常工作，但仍然對(duì)空間資源的利用和空間目標(biāo)的探測(cè)與識(shí)別帶來(lái)極大挑戰(zhàn)。航天技術(shù)的快速發(fā)展及太空活動(dòng)的日趨頻繁，世界上主要航天大國(guó)已經(jīng)意識(shí)到空間資源對(duì)國(guó)家軍事安全、國(guó)民經(jīng)濟(jì)發(fā)展等方面的重要戰(zhàn)略意義，不斷推進(jìn)空間目探測(cè)和監(jiān)視技術(shù)的發(fā)展。

空間目標(biāo)探測(cè)是掌握空間目標(biāo)運(yùn)行狀態(tài)，構(gòu)建太空態(tài)勢(shì)，爭(zhēng)奪太空戰(zhàn)場(chǎng)主動(dòng)權(quán)的必要條件，在航天領(lǐng)域具有重要地位[3]。依據(jù)對(duì)空間目標(biāo)進(jìn)行探測(cè)的設(shè)備所部署的位置進(jìn)行分類[4][5]，可分為地基空間目標(biāo)探測(cè)系統(tǒng)和天基空間目標(biāo)探測(cè)系統(tǒng)。地基系統(tǒng)基于地面雷達(dá)或光學(xué)成像設(shè)備進(jìn)行工作；天基系統(tǒng)大部分基于搭載光學(xué)探測(cè)器的衛(wèi)星進(jìn)行工作。

1 空間暗弱目標(biāo)探測(cè)技術(shù)

基于雷達(dá)和光學(xué)成像設(shè)備對(duì)空間暗弱目標(biāo)進(jìn)行探測(cè)是地基系統(tǒng)兩種工作模式。本文基于地基光學(xué)成像設(shè)備的基礎(chǔ)上，對(duì)空間暗弱目標(biāo)探測(cè)技術(shù)進(jìn)行深入探討。基于地基光學(xué)成像設(shè)備對(duì)太空中的目標(biāo)進(jìn)行探測(cè)起源于美國(guó)利用靶場(chǎng)經(jīng)緯儀對(duì)全球第一顆發(fā)射的蘇聯(lián)Sputnik衛(wèi)星進(jìn)行了跟蹤觀測(cè)?，F(xiàn)階段，對(duì)太空碎片[2]的監(jiān)視已經(jīng)成為空間暗弱目標(biāo)探測(cè)技術(shù)的主要應(yīng)用方向。

美國(guó)的地基光學(xué)空間目標(biāo)探測(cè)技術(shù)一直處于世界的領(lǐng)先水平[2]，50年代末研制了貝克-努恩（Baker-Nunn）人造衛(wèi)星跟蹤相機(jī)，利用膠片采集數(shù)據(jù)之后，在跟蹤結(jié)束后對(duì)膠片中的數(shù)據(jù)進(jìn)行提取并加以分析，獲取空間目標(biāo)的數(shù)據(jù)。70年代，林肯實(shí)驗(yàn)室研制的GEDSS系統(tǒng)（Ground Based Electro-Optical Deep Space Surveillance, 地基深空光電監(jiān)視系統(tǒng)）[6]，基于恒星模式進(jìn)行工作，使用錄像帶記錄數(shù)據(jù)，通過(guò)判讀軟件對(duì)錄像帶中的數(shù)據(jù)進(jìn)行分析，獲取目標(biāo)的信息。80年代，建設(shè)了針對(duì)深空的地面光電探測(cè)系統(tǒng)，擁有監(jiān)視直徑超過(guò)10cm的所有目標(biāo)的能力[7]。1999年，將GEODSS系統(tǒng)進(jìn)行了全面改造，使用科學(xué)級(jí)CCD芯片，依然采用恒星跟蹤模式，采用天文定位工作方式；在光度識(shí)別測(cè)量時(shí)采用速度跟蹤模式，需要參考星，采用CCD后可在完成跟蹤的同時(shí)取得目標(biāo)的光度數(shù)據(jù)。2003年增加了紅外成像云探測(cè)裝置。2011年，在DARPA的支持下，完成了SST（Space Surveillance Telescope，空間監(jiān)視望遠(yuǎn)鏡）的研制，部署在白沙靶場(chǎng)[8][9]。

俄羅斯（前蘇聯(lián)）也一直致力于發(fā)展自己的地面空間監(jiān)視系統(tǒng)[10]，主要由地基光學(xué)成像設(shè)備為組成，一般采用主動(dòng)和被動(dòng)相協(xié)同的方式進(jìn)行工作。早在50年代，前蘇聯(lián)就構(gòu)建了以茲維尼戈羅德試驗(yàn)站[11]為主的光學(xué)探測(cè)網(wǎng)，由14個(gè)天文觀測(cè)站組成。地面光電探測(cè)系統(tǒng)——“天窗”系統(tǒng)[12][13]是俄羅斯空間監(jiān)視網(wǎng)最重要的組成部分，配備了10臺(tái)夜間運(yùn)行的光學(xué)成像設(shè)備，包括短距望遠(yuǎn)鏡探測(cè)中低軌目標(biāo)、普通光學(xué)望遠(yuǎn)鏡探測(cè)中高軌目標(biāo)以及遠(yuǎn)距望遠(yuǎn)鏡探測(cè)地球靜止軌道目標(biāo)。

我國(guó)基于地面光學(xué)成像設(shè)備的空間目標(biāo)探測(cè)技術(shù)相較于國(guó)外起步較晚。直到70年代，我國(guó)才試驗(yàn)成功類似于美國(guó)Baker-Nunn人造衛(wèi)星跟蹤相機(jī)的人衛(wèi)系列相機(jī)（HC-1），同時(shí)還研制了打印經(jīng)緯儀（GJ-1）[14]。80年代中后期，中國(guó)科學(xué)院下屬的云南、紫金山等天文觀測(cè)站和光技所等單位對(duì)空間目標(biāo)探測(cè)技術(shù)的基礎(chǔ)理論進(jìn)行了成體系的探索[15]。90年代，我國(guó)也研制了用于空間目標(biāo)探測(cè)的光電系統(tǒng)，主要由一臺(tái)跟蹤望遠(yuǎn)鏡、一臺(tái)監(jiān)測(cè)望遠(yuǎn)鏡以及監(jiān)測(cè)監(jiān)控管理、站數(shù)據(jù)管理等分系統(tǒng)組成。目前，我國(guó)空間目標(biāo)光電探測(cè)系統(tǒng)主要由小光電和大光電設(shè)備組成。

空間暗弱目標(biāo)探測(cè)，除了需要使用高精度光電設(shè)備進(jìn)行數(shù)據(jù)采集，更依賴后期的數(shù)據(jù)處理與分析，因此算法的優(yōu)劣直接決定了探測(cè)能力的強(qiáng)弱。

針對(duì)光學(xué)成像的空間目標(biāo)數(shù)據(jù)，星圖匹配算法是進(jìn)行空間目標(biāo)探測(cè)的基礎(chǔ)，空間目標(biāo)往往處于以星空為背景的環(huán)境中，需要對(duì)背景星空進(jìn)行匹配才能排除恒星對(duì)目標(biāo)探測(cè)的干擾，國(guó)內(nèi)外有很多的相關(guān)研究。

由于基于地基光學(xué)成像設(shè)備獲取暗弱目標(biāo)的信號(hào)非常微弱，易被噪聲信號(hào)所湮沒，所以地基光學(xué)空間目標(biāo)探測(cè)的關(guān)鍵是采用合適的方法從混雜的信號(hào)中提取出被噪聲湮沒的暗弱目標(biāo)[16]。國(guó)內(nèi)外的專家學(xué)者已經(jīng)提出了眾多的方法，基本方法是采用單幀與多幀相聯(lián)合的模式[17]，即首先對(duì)單幀圖像去噪，接著結(jié)合運(yùn)動(dòng)特征對(duì)相鄰多幀圖像融合分析，提取出被噪聲湮沒的暗弱目標(biāo)。

在暗弱目標(biāo)探測(cè)的算法研究上，一般采用的濾波的方法包括：中值濾波器、匹配濾波器、最小均方差濾波器和高通濾波器；信號(hào)增強(qiáng)的方法包括：模糊理論增強(qiáng)、小波變換法、直方圖增強(qiáng)、非線性增強(qiáng)方法等；目標(biāo)分割的方法包括：Ostu分割、信息“熵”分割、投影檢測(cè)、領(lǐng)域聚類分割等；目標(biāo)檢測(cè)的方法包括：多級(jí)假設(shè)檢驗(yàn)、高階相關(guān)法、卡爾曼濾波、動(dòng)態(tài)規(guī)劃算法等。目前基于光學(xué)探測(cè)暗弱目標(biāo)的方法常用背景抵消、并像元、幀累加、多光譜探測(cè)技術(shù)等[18]。

國(guó)外美國(guó)的地基光電深空探測(cè)系統(tǒng)、俄羅斯的光電探測(cè)群等都具有相當(dāng)成熟的的技術(shù)和方法，國(guó)內(nèi)的機(jī)構(gòu)也進(jìn)行了大量的研究，成果已經(jīng)廣泛的應(yīng)用于探測(cè)系統(tǒng)之中。

文獻(xiàn)[19]探討了一種快速星圖匹配法（三角形匹配法），能夠使星圖匹配更可靠、實(shí)時(shí)，但這種方法忽略掉了很多亮度很弱的星，對(duì)視場(chǎng)邊緣的星的匹配存在一定誤差。文獻(xiàn)[20]為提高星圖匹配的準(zhǔn)確率，探討了基于去除誤匹配點(diǎn)的新算法——累積偏差法。文獻(xiàn)[21]和文獻(xiàn)[22]分別提出了多邊形角距匹配算法和多邊形角度匹配算法，這類算法需要星體的先驗(yàn)信息。文獻(xiàn)[23]提出了一種基于相機(jī)的空間暗弱慢速目標(biāo)自主識(shí)別與跟蹤技術(shù)，該技術(shù)在空間星相機(jī)圖像處理基礎(chǔ)上，首先提出了以特征向量投影法為核心的優(yōu)化算法，以優(yōu)化導(dǎo)航星庫(kù)和星圖匹配算法，提高星圖匹配的速度和可靠性。其次，還提出了結(jié)合幀疊加法與星圖反匹配法優(yōu)點(diǎn)的聯(lián)合算法，提高了空間目標(biāo)的識(shí)別率。

2 數(shù)據(jù)挖掘技術(shù)

“數(shù)據(jù)挖掘”最初是作為貶義詞出現(xiàn)于上世紀(jì)60年代，指從數(shù)據(jù)中搜索沒有先驗(yàn)假設(shè)的關(guān)聯(lián)（correlations without an apriori hypothesis）。1989年，Gregory Piatetsky-Shapiro博士首次使用了“知識(shí)發(fā)現(xiàn)”這一詞匯，即數(shù)據(jù)庫(kù)中的知識(shí)發(fā)現(xiàn)（Knowledge Discovery in Database, KDD），這是在第11屆人工智能聯(lián)合會(huì)議專題研討會(huì)上[24]，從此，數(shù)據(jù)挖掘形成一個(gè)獨(dú)立的研究方向。1991年，數(shù)據(jù)倉(cāng)庫(kù)之父William H. Inmon在著作《Building the Data Warehouse》中首次定義了數(shù)據(jù)倉(cāng)庫(kù)[25]的概念并進(jìn)行了解釋。關(guān)于知識(shí)發(fā)現(xiàn)的專題研討會(huì)幾乎每年都舉行，來(lái)自各個(gè)領(lǐng)域的研究人員和應(yīng)用開發(fā)者集中討論數(shù)據(jù)統(tǒng)計(jì)、海量數(shù)據(jù)分析算法、知識(shí)表示、知識(shí)運(yùn)用等問題[26]。數(shù)據(jù)挖掘首次當(dāng)作獨(dú)立學(xué)科被提出是在1995年的第一屆知識(shí)發(fā)現(xiàn)與數(shù)據(jù)挖掘?qū)W術(shù)研討會(huì)上[27]，同年，數(shù)據(jù)挖掘被視為知識(shí)發(fā)現(xiàn)中的重要組成部分。1997年IEEE的數(shù)據(jù)挖掘?qū)？禟nowledge and Data Engineering》公開出版。1998年、1999年召開的知識(shí)發(fā)現(xiàn)研討會(huì)收到了空前熱烈的追捧，同時(shí)也為數(shù)據(jù)挖掘奠定不不少理論基礎(chǔ)。隨著相關(guān)領(lǐng)域的技術(shù)不斷深化，數(shù)據(jù)挖掘的新理論、新算法、新應(yīng)用等被更加深入的研究[28]。與國(guó)外相比，國(guó)內(nèi)對(duì)數(shù)據(jù)挖掘的研究起步比較晚，1993年，數(shù)據(jù)挖掘作為研究方向得到國(guó)家自然科學(xué)基金的支持標(biāo)志著國(guó)內(nèi)研究數(shù)據(jù)挖掘的開端。1999年，首次在國(guó)內(nèi)舉辦了國(guó)際性的數(shù)據(jù)挖掘的會(huì)議——北京第三屆亞太地區(qū)知識(shí)發(fā)現(xiàn)國(guó)際會(huì)議。直到21世紀(jì)初，才基本構(gòu)建數(shù)據(jù)挖掘的基礎(chǔ)理論體系。越來(lái)越多的國(guó)內(nèi)專家學(xué)者開始從事數(shù)據(jù)挖掘方面的研究，比較著名的有上海交通大學(xué)楊杰教授主持的項(xiàng)目——“用于建模、優(yōu)化和故障診斷的數(shù)據(jù)挖掘技術(shù)”；周立柱教授主持創(chuàng)建的“清華數(shù)據(jù)挖掘研究小組”等。國(guó)內(nèi)比較重要的會(huì)議有全國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議（National Data Base Academic Conference，NDBC），權(quán)威的雜志有《計(jì)算機(jī)學(xué)報(bào)》、《軟件學(xué)報(bào)》和《計(jì)算機(jī)研究與發(fā)展》等。

隨著數(shù)據(jù)挖掘技術(shù)的不斷深化，數(shù)據(jù)挖掘已經(jīng)被成功運(yùn)用到與人類生活息息相關(guān)的互聯(lián)網(wǎng)、金融、生物醫(yī)學(xué)、天文學(xué)等各個(gè)領(lǐng)域。

在互聯(lián)網(wǎng)領(lǐng)域，文獻(xiàn)[29]提出了在搜索引擎領(lǐng)域應(yīng)用數(shù)據(jù)挖掘技術(shù)，對(duì)網(wǎng)頁(yè)內(nèi)容進(jìn)行挖掘形成文檔摘要，為用戶提供更加快速、方便的服務(wù)。搜索引擎之王Google使用的PageRank算法[30]，在2001年9月被授予美國(guó)專利，此算法通過(guò)分析網(wǎng)站外部與內(nèi)部所有鏈接的數(shù)質(zhì)量情況來(lái)對(duì)網(wǎng)站的價(jià)值進(jìn)行衡量。FIREFLY幫助個(gè)人音樂推薦，CRAYON允許用戶創(chuàng)造他們自己的免費(fèi)報(bào)紙，而Farcast從各種各樣的來(lái)源中自動(dòng)尋找用戶信息等。

在金融領(lǐng)域，文獻(xiàn)[31]提出了基于數(shù)據(jù)挖掘的BP神經(jīng)網(wǎng)絡(luò)的信用風(fēng)險(xiǎn)評(píng)級(jí)模型的構(gòu)建及可視化模塊構(gòu)建，可以對(duì)客戶進(jìn)行信用分級(jí)，進(jìn)一步規(guī)避風(fēng)險(xiǎn)。中信銀行結(jié)合實(shí)時(shí)、歷史數(shù)據(jù)進(jìn)行全局分析，風(fēng)控部門通過(guò)評(píng)估客戶的日常使用情況，評(píng)定客戶的信用風(fēng)險(xiǎn)等級(jí)，授予相應(yīng)的信用額度[32]。HNC和Nestor Falcon PRISMA也是運(yùn)用數(shù)據(jù)挖掘技術(shù)監(jiān)控信用卡欺詐的應(yīng)用系統(tǒng)。

在生物醫(yī)學(xué)領(lǐng)域，文獻(xiàn)[33]分析了在生物醫(yī)學(xué)領(lǐng)域中的統(tǒng)計(jì)學(xué)與數(shù)據(jù)挖掘技術(shù)的關(guān)系，提出了聚類、關(guān)聯(lián)分析、序列分析等數(shù)據(jù)挖掘方法在生物醫(yī)學(xué)研究中的應(yīng)用。

在零售業(yè)領(lǐng)域，文獻(xiàn)[34]探討了一種利用SPSS Clementine 10.1數(shù)據(jù)挖掘工具對(duì)超市顧客進(jìn)行分析研究的方法，可以幫助零售企業(yè)識(shí)別不同類型的客戶群體，預(yù)測(cè)顧客的需求，使企業(yè)可以為顧客提供更為有針對(duì)性的高效服務(wù)。美國(guó)零售商Target利用數(shù)據(jù)挖掘技術(shù)可以非常準(zhǔn)確地預(yù)測(cè)他們的客戶什么時(shí)候想要小孩，沃爾瑪利用數(shù)據(jù)挖掘技術(shù)可以更好地預(yù)測(cè)哪些產(chǎn)品將會(huì)熱賣。

在天文學(xué)和空間科學(xué)領(lǐng)域，著名的應(yīng)用系統(tǒng)——SKICAT，處理來(lái)自各種來(lái)源的累積數(shù)據(jù)量龐大的問題，相關(guān)的數(shù)據(jù)提取和顯示的重要趨勢(shì)，目的是最大限度地從龐大的數(shù)據(jù)庫(kù)中提取有意義的信息。該系統(tǒng)是建立在一個(gè)模塊化的方式，結(jié)合幾個(gè)現(xiàn)有的算法和軟件包。有三個(gè)基本功能：服務(wù)天空對(duì)象的目錄建設(shè)、目錄管理、進(jìn)行高水平統(tǒng)計(jì)和科學(xué)分析，即對(duì)所研究的天空中的對(duì)象的圖像進(jìn)行分類和編目。通過(guò)SKICAT發(fā)現(xiàn)了16個(gè)新的極其遙遠(yuǎn)的類星體。

在人類日?；顒?dòng)領(lǐng)域，通過(guò)可穿戴設(shè)備（例如智能手表、手環(huán)等）生成的熱量消耗、睡眠情況、心跳頻率等數(shù)據(jù)，挖掘出一個(gè)人的生活習(xí)慣、健康狀況等。還可以利用數(shù)據(jù)挖掘來(lái)尋找愛情，大多數(shù)網(wǎng)上交友網(wǎng)站都使用數(shù)據(jù)挖掘工具和算法來(lái)尋找最合適的對(duì)象。百度推出旅游預(yù)測(cè)產(chǎn)品，提供景區(qū)客流量預(yù)測(cè)、游客人口屬性分析、游客興趣挖掘、輿情分析等服務(wù)。Esurance推出一款名為Fuelcaster的App，專門幫助車主們預(yù)測(cè)近期油價(jià)，提供購(gòu)買建議并顯示周邊10個(gè)加油站的油價(jià)對(duì)比等。

3 基于數(shù)據(jù)挖掘的空間暗弱目標(biāo)探測(cè)技術(shù)

研究空間暗弱目標(biāo)探測(cè)技術(shù)，對(duì)進(jìn)一步促進(jìn)我國(guó)發(fā)展空間航天器自主交會(huì)對(duì)接、空間目標(biāo)對(duì)抗等航天技術(shù)具有重要應(yīng)用價(jià)值。由于人造空間目標(biāo)尤其是中高軌目標(biāo)距離遠(yuǎn)，成像像素少、亮度低，星空背景噪聲以及各類其他噪聲對(duì)成像有很大的影響，為地基光學(xué)成像設(shè)備的探測(cè)與識(shí)別帶來(lái)極大困難。一些中高軌小目標(biāo)甚至湮沒在圖像噪聲中，無(wú)法進(jìn)行探測(cè)?？梢酝ㄟ^(guò)將針對(duì)地基光學(xué)成像設(shè)備收集到的空間目標(biāo)數(shù)據(jù)，利用數(shù)據(jù)挖掘分類器技術(shù)的暗弱目標(biāo)探測(cè)方法。通過(guò)分析已有的空間探測(cè)數(shù)據(jù)庫(kù)，提取噪聲特征和目標(biāo)特征，構(gòu)建空間暗弱目標(biāo)分類器，分析目標(biāo)數(shù)據(jù)，探測(cè)可能存在的暗弱目標(biāo)。

4 結(jié)束語(yǔ)

本文對(duì)暗弱目標(biāo)探測(cè)技術(shù)和數(shù)據(jù)挖掘技術(shù)進(jìn)行了綜述，提出了基于數(shù)據(jù)挖掘的空間暗弱目標(biāo)探測(cè)技術(shù)是今后研究的一個(gè)重點(diǎn)，是對(duì)光學(xué)探測(cè)技術(shù)的一個(gè)重要補(bǔ)充。

[1] 張偉, 空間目標(biāo)探測(cè)與識(shí)別方法研究[D]. 北京郵電大學(xué), 2011.

[2] 李振偉, 張濤, 張楠, 孫明國(guó). 暗弱空間目標(biāo)的高精度定位[J]. 光學(xué)精密工程, 2015, 09: 2627-2634.

[3] 戚均愷, 國(guó)外空間碎片探測(cè)綜述[J]. 第二十六屆全國(guó)空間探測(cè)學(xué)術(shù)研討會(huì), 2013.

[4] 孟令杰, 張翔翼, 侯宇葵, 黃宇民, 劉品雄. 衛(wèi)星低可探測(cè)性技術(shù)發(fā)展淺析[J]. 航天電子對(duì)抗, 2010, 01: 33-36.

[5] 賈蒙楊, 空間暗弱慢速目標(biāo)的捕獲跟蹤控制技術(shù)研究[J].航天器工程, 2015, 02: 96-101.

[6] Henize K G, Stanley J F, O’Neil C A, et al. Detection of orbital debris with GEODSS telescope[C] //The International Society for Optical Engineering Proceeding of SPIE, Vol. 1951, Bellingham, 1993: 76-84.

[7] Flohrer T, Schildknecht T, Musci R. Proposed strategies for optical observations in a future European Space Surveillance network[J]. Adv Space Res, 2008, 41(7): 1010-21.

[8] Woods D F, Shah R Y, Johnson J A, et al. Space Surveillance telescope: Focus and alignment of a three mirror telescope[J]. Optical Engineering, 2013, 52(5): 053604-053604.

[9] Hardy T, Cain S, Jeon J, et al. Improving space domain awareness through unequal-cost multiple hypothesis testing in the space surveillance --telescope[J]. Applied Optics, 2015, 54(17): 5481-5494.

[10] 魏晨曦, 汪琦, 韋荻山. 俄羅斯空間監(jiān)視系統(tǒng)及其發(fā)展[J].國(guó)際太空, 2007, 05: 8-12.

[11] 駱文輝, 楊建軍. 國(guó)外空間監(jiān)視系統(tǒng)的現(xiàn)狀與發(fā)展[J]. 飛航導(dǎo)彈, 2008, 04: 25-31.

[12] 王杰娟, 于小紅. 國(guó)外天基空間目標(biāo)監(jiān)視研究現(xiàn)狀與特點(diǎn)分析[J]. 裝備指揮技術(shù)學(xué)院學(xué)報(bào), 2006, 04: 33-37.

[13] 吳順華. 基于空頻域信息的單星對(duì)星無(wú)源定軌與跟蹤關(guān)鍵技術(shù)研究[D]. 2009.

[14] 劉薇. 光電手段用于深空飛行器監(jiān)測(cè)的研究, 長(zhǎng)春理工大學(xué)碩士學(xué)位論文[D]. 2008.

[15] 趙金宇. 光電望遠(yuǎn)鏡誤差分析及補(bǔ)償技術(shù)[D]. 中國(guó)科學(xué)院長(zhǎng)春光學(xué)精密機(jī)械與物理研究所, 2005.

[16] 王偉國(guó). 空間目標(biāo)白天光學(xué)探測(cè)技術(shù)研究[D]. 中國(guó)科學(xué)院長(zhǎng)春光學(xué)精密機(jī)械與物理研究所, 2005.

[17] 王軍敏, 袁書卿. 基于小波域?yàn)V波和鄰域搜索的弱小目標(biāo)檢測(cè)[J]. 平頂山學(xué)院學(xué)報(bào), 2011, 05: 79-83.

[18] 彭罡, 強(qiáng)光背景下小目標(biāo)探測(cè)算法研究[D]. 國(guó)防科學(xué)技術(shù)大學(xué), 2007.

[19] 海峰, 袁家虎, 毛羽國(guó). 快速星圖匹配算法的研究[J]. 光電工程, 1998, 06: 71-75.

[20] 劉美瑩, 汶德勝, 冉曉強(qiáng). 提高星圖正確匹配率的新方法[J]. 光電與控制, 2009. 16(9): 40-43.

[21] Gottlieb D M. Star Identification Techniques. Spacecraft Attitude Determination and Control, The Netherlands, 1978.

[22] Kosik J C. Star Pattern Identification aboard an inertially Stabilized Spacecraft. J. Guidance, 1988.

[23] 賈蒙楊. 基于相機(jī)的空間暗弱慢速目標(biāo)自主識(shí)別與跟蹤技術(shù)研究[D]. 北京理工大學(xué), 2015.

[24] 張華. 基于數(shù)據(jù)挖掘技術(shù)的電子商務(wù)旅游線路推薦系統(tǒng)[J].軟件, 2013, 34(3): 57-58.

[25] 湯為, 孫才紅. 數(shù)據(jù)挖掘在FAST 動(dòng)態(tài)監(jiān)測(cè)系統(tǒng)中的應(yīng)用[J]. 軟件, 2013, 34(6): 31-34.

[26] 韓雪梅, 時(shí)間序列挖掘與預(yù)測(cè)研究[D]. 浙江大學(xué), 2006.

[27] 潘有能. XML挖掘: 聚類、分類與信息提取[M]. 杭州: 浙江大學(xué)出版社, 2012.

[28] 于亞飛, 基于劃分和密度的聚類算法分析[D]. 安徽大學(xué)碩士學(xué)位論文, 2011.

[29] 楊占華, 楊燕. 數(shù)據(jù)挖掘在智能搜索引擎中的應(yīng)用[J]. 微計(jì)算機(jī)信息, 2006, 22(4-3): 244-246.

[30] 吳宗靈. 基于JSSH的元搜索技術(shù)研究與應(yīng)用[D]. 上海交通大學(xué), 2011.

[31] 蔡皎潔, 張玉峰. 基于數(shù)據(jù)挖掘銀行客戶信用風(fēng)險(xiǎn)評(píng)級(jí)體系研究[J]. 情報(bào)雜志, 2010, 02: 47-50+71.

[32] 邢帆. 看中信玩轉(zhuǎn)大數(shù)據(jù)[J]. 中國(guó)信息化, 2013, 09: 36-37.

[33] 龔著琳, 陳瑛等. 數(shù)據(jù)挖掘在生物醫(yī)學(xué)數(shù)據(jù)分析中的應(yīng)用[J]. 上海交通大學(xué)學(xué)報(bào)(醫(yī)學(xué)版), 2010, 30(11): 1420-1423.

[34] 肖生苓, 牟娌娜等. 基于數(shù)據(jù)挖掘技術(shù)的超市顧客群研究[J]. 資源開發(fā)與市場(chǎng), 2011, 08: 683-685+712+672.

Review of Detection Technologies of Optical Space Faint Objects

LOU Xin1,2, XIE Min1, ZHAO Yang1
(1. Equipment Academy, Beijing 101416, China; 2. China Satellite Maritime Tracking and Control Department, Jiangyin, Jiangsu Province 214431)

Optical for space target detection is the main method of space target detection based on this paper reviews the historical development of space dim target detection technology and data mining technology, puts forward the data mining technology of the space optical dark target detection technology method is based on the development trend of the future.

Space target; Optical detection technology; Data mining

V566.5

A

10.3969/j.issn.1003-6970.2016.10.010

樓鑫(1988-)，男，碩士研究生，主要研究方向：空間信息獲取與處理。

本文著錄格式：樓鑫，謝敏，趙陽(yáng). 空間暗弱目標(biāo)光學(xué)探測(cè)技術(shù)綜述[J]. 軟件，2016，37（10）：42-45