由于航空航天技术的飞速发展,空间目标视觉检测成为该领域的重要技术支撑。但太空环境中光照情况十分复杂,光照不均匀、极端背光等因素直接导致背景与前景目标判别困难,检测算法无法识别目标物体。此外,空间目标视觉检测的安全性存在部分隐患,攻击者通过在输入数据中添加干扰对算法进行对抗攻击,导致检测算法失效,甚至误识别。为解决上述两种场景下检测算法失效的难题,本文提出了低照度下的空间目标视觉检测算法和强对抗下的空间目标视觉检测算法,并搭建了空间目标视觉检测地面模拟仿真测试平台对算法性能进行验证。本文主要研究内容如下:1.提出了一种低照度下的空间目标视觉检测算法。该算法使用零参考深度曲线估计来解决低光照图像增强问题,应用深度曲线估计网络来拟合一组输入低照度图像的最优光增强曲线,再通过迭代应用光增强曲线来获取光增强图像。实验结论证实,该算法在有效增强图像亮度和对比度的同时可以保留图像细节,且该算法可以识别出算法处理前无法识别的图像,检测性能提升。2.提出了一种强对抗下的空间目标视觉检测算法。该算法采用协同防御策略,基于对抗训练算法,结合SRMNet去噪器,实现强对抗下空间目标鲁棒视觉检测。通过对抗训练算法训练目标检测网络使得其在训练集上的损失最小,增强目标检测网络的鲁棒性。同时在输入图像送入网络之前,对其进行降噪处理,滤除对抗噪声,进一步降低对抗攻击对目标检测网络的干扰。实验结论证实,该算法在检测未受到攻击的图像时性能有所提升,也可以有效防御多种对抗攻击,精准检测受到对抗攻击的目标物体的类别和置信度。3.构建了一个空间非合作目标数据集。为了验证低照度下的空间目标视觉检测算法和强对抗下的空间目标视觉检测算法的合理性和有效性,本文搭建了空间目标视觉检测地面模拟仿真测试平台,并构造了空间非合作目标数据集,对算法进行实验验证。该数据集包含两种常见近地小行星和一种卫星,涵盖了目标分辨率大小变化、背景光照不同、目标中含有杂波、截断以及注入对抗噪声等多种极端情况,可以有效地评估上述算法性能。