Cassini ISS图像可测性分类的初步研究

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Very Deep-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.