| 基于融合伽马变换全卷积神经网络的火星地貌分割方法 |
| |
| 引用本文： | 胡茄乾,何超群,龚翼飞,温中凯,于利夫,李爽.基于融合伽马变换全卷积神经网络的火星地貌分割方法[J].上海航天,2023,40(1):11-18. |
| |
| 作者姓名： | 胡茄乾 何超群 龚翼飞 温中凯 于利夫 李爽 |
| |
| 作者单位： | 南京航空航天大学 航天学院，江苏 南京 211106;中国空间技术研究院，北京 100094 |
| |
| 基金项目： | 思源人工智能科学与技术协同创新联盟2020年开放基金(HTKJ2019KL502019);空间智能控制技术国防科技重点实验室开放基金(2021-JCJQ-LB-010-04、2021-JCJQ-LB-010-08);空间光电测量与感知实验室开放基金(LabSOMP-2019-02) |
| |
| 摘 要： | 为了让火星巡视器在有限的寿命内能获得更多的科学产出，需要提高巡视器在火星表面的自主通过能力，而火星表面地貌类型是评估巡视器可通过性的重要信息。因此，提出了融合伽马变换的全卷积神经网络(FCN)火星表面地貌分割算法。首先，考虑对巡视器通过性的影响，确认地貌分类的类型，基于好奇号拍摄的火星地表图像Mars32K数据库，构建地貌分割数据集;其次，使用自适应伽马变换(AGT)对灰度单一的火星图像进行预处理，减弱了光照等因素干扰;最后，利用数据集训练一个FCN，以实现对火星表面地貌的分割预测。仿真结果表明:网络测试准确率达到83.03%，地形分割预测结果可靠，验证了方法的可行性。
|
| 关 键 词： | 火星探测 全卷积神经网络 图像分割 深度学习 伽马变换 |
| 收稿时间： | 2022/6/5 0:00:00 |
| 修稿时间： | 2022/7/19 0:00:00 |
Image Segmentation Algorithm for Mars Terrain Based on Fully Convolutional Networks with Gamma Transformation |
| |
| HU Jiaqian,HE Chaoqun,GONG Yifei,WEN Zhongkai,YU Lifu,LI Shuang.Image Segmentation Algorithm for Mars Terrain Based on Fully Convolutional Networks with Gamma Transformation[J].Aerospace Shanghai,2023,40(1):11-18. |
| |
| Authors: | HU Jiaqian HE Chaoqun GONG Yifei WEN Zhongkai YU Lifu LI Shuang |
| |
| Abstract: | |
| |
| Keywords: | s 2006:IN43A-04 |
|
| 点击此处可从《上海航天》浏览原始摘要信息 |
| 点击此处可从《上海航天》下载免费的PDF全文 |
