人工卫星轨迹检测：基于 U-Net 深度神经网络和线段检测算法
计算机视觉与模式识别
2025-09-23 v1 天体物理仪器与方法
摘要
随着人工卫星数量的快速增加，天文图像正经历日益增多的干扰。当这些卫星反射阳光时，会在光度图像中产生类 streak 的伪影。此类卫星轨迹可能引入假源，导致显著的光度误差。因此，准确识别观测数据中卫星轨迹的位置已成为关键。本文提出了一种结合 U-Net 深度神经网络进行图像分割和线段检测（LSD）算法的卫星轨迹检测模型。该模型在 375 张模拟卫星轨迹图像上进行训练，这些图像使用 Mini-SiTian Array 的数据生成。实验结果表明，对于信噪比（SNR）大于 3 的轨迹，检测率超过 99%。此外，当应用于 Mini-SiTian Array 的真实观测数据时，该模型实现了 79.57 的召回率和 74.56 的精确率。
引用
@article{arxiv.2509.16771,
title = {Artificial Satellite Trails Detection Using U-Net Deep Neural Network and Line Segment Detector Algorithm},
author = {Xiaohan Chen and Hongrui Gu and Cunshi Wang and Haiyang Mu and Jie Zheng and Junju Du and Jing Ren and Zhou Fan and Jing Li},
journal= {arXiv preprint arXiv:2509.16771},
year = {2025}
}
备注
15 pages, 7 figures, 2 tables, PASP accepted