基于 MuyGPyS 的紧密间距目标分类
计算机视觉与模式识别
2023-11-21 v1 数据分析、统计与概率
仪器与探测器
摘要
准确探测交会接近操作(RPO)对于理解空间域中物体的行为至关重要。然而,对于地基光学空间域感知(SDA)算法而言,探测紧密间距物体(CSO)具有挑战性,因为沿视线方向彼此靠近的两个物体可能在光学系统的点扩散函数(PSF)内融合表现为单一物体。传统机器学习方法可用于区分单物体与紧密间距物体,但许多方法需要大量训练样本或高信噪比条件。真实数据的质量与数量使得概率分类方法成为更优途径,因其更适于应对这些数据不足。我们给出了使用高斯过程 Python 包 MuyGPyS 的 CSO 分类结果,并考察了分类精度随模拟卫星间角间距与星等差的变化关系。这一与轨道无关的分析基于高度逼真的模拟 SDA 图像,其仿真了地基商用现货(COTS)光学传感器对 CSO 的观测。我们发现 MuyGPyS 优于传统机器学习方法,尤其在更具挑战性的情形下。
引用
@article{arxiv.2311.10904,
title = {Closely-Spaced Object Classification Using MuyGPyS},
author = {Kerianne Pruett and Nathan McNaughton and Michael Schneider},
journal= {arXiv preprint arXiv:2311.10904},
year = {2023}
}
备注
Accepted to the 2023 Advanced Maui Optical and Space Surveillance Technologies Conference (AMOS)