劉彥麗 趙海博 鐘曉明 譚勇 徐海 薛芳 王業(yè)超

天基復合計算光譜探測與識別方法研究

劉彥麗1,2趙海博1,2鐘曉明1,2譚勇3徐海4薛芳1,2王業(yè)超1,2

（1 北京空間機電研究所，北京 100094）（2 先進光學遙感技術(shù)北京市重點實驗室，北京 100094）（3 長春理工大學理學院，長春 130022）（4 華中科技大學圖像識別與人工智能研究所，武漢 430074）

光譜成像技術(shù)可獲得目標的三維數(shù)據(jù)立方體，具有“圖譜合一”的優(yōu)勢。對空間目標的“指紋”光譜信息進行分析是空間目標識別的一種有力手段。文章針對空間目標材料識別和關(guān)鍵部位識別需求，提出一種圖譜協(xié)同探測的計算光譜成像新方法，以全色通道和計算光譜通道聯(lián)合獲取高分辨率的空間光譜圖像，并介紹了用于目標光譜反演的標定技術(shù)，包括目標散射光譜測量標定技術(shù)和系統(tǒng)光譜編碼標定技術(shù)。通過采用新型光譜成像系統(tǒng)拍攝的衛(wèi)星模型多光譜圖像擴充樣本作為數(shù)據(jù)集，進行深度學習訓練，對整個數(shù)據(jù)集進行識別測試，對衛(wèi)星主體、太陽翼、數(shù)據(jù)傳輸天線、推力器和太空背景五個類別的平均識別率為74.86%。

空間目標 光譜探測 壓縮感知 計算光譜 光譜標定

0 引言

空間目標泛指空間運行的航天器、空間碎片和自然天體等。隨著空間目標的增多，空間環(huán)境變得愈加復雜，不工作的衛(wèi)星、空間碎片甚至空間武器等對我國航天器正常運行造成嚴重威脅，能夠?qū)Ω鞣N空間目標進行有效識別是保護自身航天器的一個首要前提[1-3]。另一方面，隨著美國構(gòu)建的“天地一體、全球覆蓋、高低軌兼顧”空間態(tài)勢感知體系的快速發(fā)展，對我國空間資產(chǎn)也帶來了較大威脅[4-5]。從國家安全和戰(zhàn)略防御的需要出發(fā)，空間目標探測在逐步向天基平臺擴展，需要開展以衛(wèi)星為代表的典型空間目標探測與識別技術(shù)研究。

光譜成像技術(shù)可獲得目標的數(shù)據(jù)立方體，具有“圖譜合一”的優(yōu)勢[6-7]，由于不同空間目標表面組成材料的不同，反射光譜存在差異，對空間目標的“指紋”光譜信息進行分析是空間目標識別的一種有力手段。目前，國外在空間目標的多/高光譜特性研究方面已經(jīng)開展了大量研究與實驗[8]。2009年， T. Schildknecht采用歐空局望遠鏡采集到450～960nm的高軌空間碎片光譜，通過分析光譜來推演目標表面材料[9]；2017年，A. Vananti采用地面望遠鏡采集了一系列空間碎片的光譜，基于光譜的形狀和外觀實現(xiàn)三種碎片的初步分類，指出碎片光譜可以成功地與實驗室分析的材料相關(guān)聯(lián)[10]。國內(nèi)中國科學院國家天文臺長春人造衛(wèi)星觀測站采用地面望遠鏡和光譜測試終端對空間目標的光譜特性開展研究，對多個空間目標的表面材料占比、置信度進行反演，解析出至少兩種材料，置信度在80%左右[11]。上述研究進展表明，目前空間目標探測從單一的強度探測逐漸向多維（空間、光譜等）探測發(fā)展，成像光譜復合探測方法能顯著改善空間目標識別任務(wù)，發(fā)展天基高光譜成像載荷是未來空間目標特性識別的發(fā)展趨勢。

本文以天基空間目標探測系統(tǒng)為背景，分析空間目標的光譜探測識別需求，針對現(xiàn)有成像光譜探測方式的不足，提出一種新型的天基復合計算光譜探測與識別方法，包括圖譜協(xié)同探測的計算光譜成像技術(shù)、光譜標定技術(shù)和復合光譜識別技術(shù)?；诘孛嬖囼烌炞C，圖譜協(xié)同探測的計算光譜成像技術(shù)可以實現(xiàn)對空間目標的高概率探測識別，是未來空間態(tài)勢感知的重要發(fā)展方向。

1 空間目標成像光譜探測與識別需求分析

空間目標光譜探測識別需求主要包括目標材料識別和關(guān)鍵部件識別。

（1）空間目標材料識別需求

由于衛(wèi)星太陽翼材料、星體表面包覆材料、涂料、有效載荷材料等屬性的不同，對應的光譜特點不一致，通過光譜成像手段可以將目標的材料識別出來。材質(zhì)的光譜特征差異明顯，相互之間無線性關(guān)系，因此，光譜是材質(zhì)的一種指紋譜，是關(guān)鍵部件識別的一種鑰匙。因此，基于光譜信息是目前空間目標分類識別的一種重要手段。

在近十多年，國外的研究學者已經(jīng)獲取了多種空間材料的光譜特性，形成了較為完善的空間目標光譜數(shù)據(jù)庫。如圖1所示，太陽翼、聚酰亞胺薄膜材料、鋁材料和白漆在0.3～1.9μm波段表現(xiàn)出明顯不同的反射率[12-13]，說明空間目標的光譜具有識別空間材料的能力。

圖1 常見航天器/碎片材料的光譜特性[12]

（2）空間目標關(guān)鍵部件識別的需求

基于光譜手段還可以發(fā)現(xiàn)全色成像圖像難以發(fā)現(xiàn)的特征，保證信息獲取的完整性。圖2為國外地基觀測設(shè)備采集的國際空間站（ISS）的多光譜圖像，通過16種濾光片采集光譜信息，譜段范圍414～845nm，平均光譜帶寬為38nm，圖像可提供可表征空間目標的大小、形狀、運動、光譜和構(gòu)成等信息。

圖2 空間站不同譜段的成像結(jié)果[14]

通過選擇國際空間站主體上不同（材料）點進行分析，光譜曲線可提供明顯區(qū)分的特征，可用于優(yōu)化光譜帶寬，估計表面材料成分，確定空間目標材料的標稱光譜差異，這對于目標功能部件的識別確認具有重要意義。以衛(wèi)星為例，衛(wèi)星系統(tǒng)包含衛(wèi)星平臺、接收天線、發(fā)射天線和太陽翼等部件，針對關(guān)鍵部件開展光譜識別有助于確認衛(wèi)星攻擊部位。

總的來說，對于空間目標，成像和光譜提供了相互補充的兩種探測手段，成像探測提供目標空間信息，光譜信息可進行進一步判讀與識別，提供更準確的局部信息，對目標的關(guān)鍵部位進行識別，因此有必要開展成像光譜復合探測技術(shù)研究，實現(xiàn)快速、高效、高準確率的空間目標探測與識別。

2 天基復合光譜探測技術(shù)

目前空間目標光譜探測的主流方式主要有濾光輪成像光譜儀、單狹縫光柵光譜儀、無狹縫棱柵成像光譜儀[15]、光纖成像光譜儀[16]和積分視場光譜儀[17]五種，五種探測方式的優(yōu)缺點見表1。

表1 不同的光譜探測方式優(yōu)缺點

計算光譜成像是近幾年逐漸發(fā)展起來的一項新技術(shù)，該技術(shù)基于壓縮感知理論，只要信號是可壓縮的或在某個變換域是稀疏的，就可以采用與變換基不相關(guān)的觀測矩陣將變換所得高維信號投影到低維空間上，通過求解一個優(yōu)化問題即可從少量的投影中以高概率重構(gòu)出原始信號[18-19]?；趬嚎s感知理論的計算光譜成像技術(shù)僅需一次成像就能夠直接獲取面陣光譜，沒有狹縫，提高了光能利用率，可實現(xiàn)高空間高光譜分辨率目標探測[20-21]，應用于空間目標光譜探測，有望解決主流光譜探測方式存在的時間調(diào)制、能量低、空間像素數(shù)有限等問題。

2.1 圖譜協(xié)同探測的計算光譜成像技術(shù)

針對空間目標高分辨率面陣光譜探測的需求，本文提出一種圖譜高效協(xié)同探測的新方法。如圖3所示，圖（全色通道）和譜（計算光譜通道）通道共用主光路，實現(xiàn)高效同步探測；全色通道獲取高分辨率可見光圖像，經(jīng)過圖像處理得到若干疑似區(qū)域；計算光譜通道根據(jù)全色通道的信息，高效選擇可疑區(qū)域進行光譜復原，利用光譜數(shù)據(jù)估計疑似區(qū)域材料和已有的材料數(shù)據(jù)庫對比，結(jié)合幾何、光譜及信息，進一步識別判斷關(guān)鍵部位。

圖3 圖譜協(xié)同探測的計算光譜成像技術(shù)原理

圖譜高效協(xié)同探測系統(tǒng)中計算光譜測量通道由物鏡、編碼板、中繼鏡、阿米西色散棱鏡、成像鏡和探測器組成。物鏡將目標成像至一次像面，即編碼板所在的平面；編碼板對目標進行0-1二值調(diào)制，中繼鏡將場景二次成像至探測器平面。其中色散棱鏡對目標不同譜段的圖像進行色散，由探測器進行全波長積分成像。至此，入射光經(jīng)過系統(tǒng)的空間維調(diào)制和光譜維色散后，由探測器接收降維的壓縮編碼混疊信息。全色通道經(jīng)物鏡分光直接由探測器采集圖像，將高分辨率的空間信息引入到壓縮感知算法重構(gòu)模型，得到目標的三維光譜數(shù)據(jù)立方體。

2.2 光譜標定技術(shù)

精確的光譜標定是高精度反演空間目標信息的前提與基礎(chǔ)。天基復合光譜探測系統(tǒng)的標定分為目標散射光譜測量標定技術(shù)和系統(tǒng)光譜編碼標定技術(shù)。

2.2.1 目標散射光譜標定技術(shù)

目標散射光譜標定技術(shù)主要包括空間目標光譜雙向反射分布函數(shù)（BRDF）標定與數(shù)據(jù)規(guī)范化，包括13個步驟，具體流程如圖4所示。通過這些步驟，得到空間目標外形和表面材質(zhì)所對應的散射光譜BRDF數(shù)據(jù)，包括光譜分辨率、波長范圍、相位角分辨率及誤差范圍、入射方位角和俯仰角分辨率及誤差范圍、出射方位角和俯仰角分辨率及誤差范圍、光譜強度單位和所代表的目標尺寸分辨率等，均具有相同規(guī)范，屬于規(guī)范化數(shù)據(jù)。通過標定和數(shù)據(jù)規(guī)范化得到目標多維數(shù)據(jù)立方體，進行目標各個部件的材質(zhì)反演。

圖4 目標光譜測量標定流程

2.2.2 光譜編碼標定技術(shù)

編碼板是計算成像系統(tǒng)的核心元件，光譜編碼標定的精度直接影響光譜反演的精度。編碼標定的目的在于確定任意波段通過編碼板后在探測器上的實際響應，主要包括兩部分：1）各譜段等效色散編碼板的偏移量。它是由色散棱鏡的色散效果決定的，對于偏移量的標定實驗可驗證整體光路及色散棱鏡的色散效果能否滿足混疊采樣的需求，并作為忠誠項之一約束地面光譜重構(gòu)。2）各譜段等效色散編碼板的內(nèi)部通光情況。由于編碼板的設(shè)計思想是對場景進行0-1編碼，但實際編碼過程中，考慮到光學傳播過程，會引入光路的點擴散函數(shù)，使得最終的編碼效果等效于設(shè)計模板與每部分點擴散函數(shù)的卷積。因此，需要對等效色散編碼板的內(nèi)部通光情況進行重新標定。標定方案如圖5所示。

圖5 編碼標定方案示意

3 基于復合光譜的空間目標識別實驗驗證

基于提出的圖譜協(xié)同探測的計算光譜成像技術(shù)開展空間目標識別實驗驗證。在實驗室暗室環(huán)境拍攝等比例衛(wèi)星模型的多光譜圖像（空間像素數(shù)696×520），其波段為482～696 nm，共計50個通道。部分通道的成像如圖6所示。

圖6 目標原圖及重構(gòu)的部分光譜圖像

驗證過程見圖7。通過人工對樣本圖像進行像素級標注，并將圖像中各個像素分為衛(wèi)星主體、太陽翼、數(shù)據(jù)傳輸天線、推力器和背景五類，如圖7（a）所示。由于實際拍攝時，衛(wèi)星的大小和位置都是根據(jù)實際情況而變化的，因此，測試時采用一定方案擴充樣本，擴充方法如圖7（b）所示。將圖像分為完全背景區(qū)域和目標區(qū)域，獲得的高光譜樣本圖像如圖7（c）所示。為實現(xiàn)對空間目標復合光譜的關(guān)鍵部位識別，開展像素級目標檢測。用高光譜樣本擴充得到的數(shù)據(jù)集進行深度學習訓練，訓練了約100個輪次后，對整個數(shù)據(jù)集（包括測測試集和訓練集）進行識別測試，檢測結(jié)果如圖7（d）所示。

圖7 實驗驗證結(jié)果

經(jīng)過統(tǒng)計，五個類別的識別率如表2所示，平均識別率為74.86%（直接對識別率求均值，而不是所有正確識別的樣本數(shù)量除以總樣本數(shù)量，下同），其中最低的指標為衛(wèi)星推力器的識別率，僅有24.11%，除樣本較少原因之外，其表面材質(zhì)種類較多，灰度或光譜信息與衛(wèi)星太陽翼、主體非常接近，錯誤識別為這兩種的可能性也高。排除這個指標后，平均識別率為87.56%。

表2 關(guān)鍵部位識別率統(tǒng)計

4 結(jié)束語

本文針對空間目標材料識別和關(guān)鍵部件識別需求，提出一種圖譜高效協(xié)同探測識別的新方法。該方法通過全色通道獲取高分辨率可見光圖像，經(jīng)過圖像處理得到若干疑似區(qū)域；計算光譜通道根據(jù)全色通道信息，高效選擇可疑區(qū)域進行光譜復原，利用光譜數(shù)據(jù)估計疑似區(qū)域材料，通過和已有的目標散射光譜特性數(shù)據(jù)庫對比，進一步識別判斷空間目標關(guān)鍵部位。通過對多光譜圖像樣本組成的數(shù)據(jù)集進行識別測試，結(jié)果顯示對衛(wèi)星五個部位類別的平均識別成功率為74.86%。試驗表明：本文所提復合光譜探測方法用于空間目標探測識別具有可行性，在未來空間態(tài)勢感知領(lǐng)域具有發(fā)展?jié)摿Α?/p>

[1] 李駿. 空間目標天基光學監(jiān)視跟蹤關(guān)鍵技術(shù)研究[D]. 長沙: 國防科學技術(shù)大學, 2009.

LI Jun. Research on Key Technologies of Space-based Optical Surveillance and Tracking of Space Targets[D]. Changsha: National University of Defense Technology, 2009. (in Chinese)

[2] 楊康. 空間目標高光譜特性分析[D]. 上海: 上海交通大學, 2011.

YANG Kang. Analysis of Hyperspectral Characteristics of Space Targets[D]. Shanghai: Shanghai Jiaotong University, 2011. (in Chinese)

[3] 徐澤明. 天基空間目標探測系統(tǒng)雜散光抑制與處理技術(shù)研究[D]. 長春: 中國科學院大學(中國科學院長春光學精密機械與物理研究所), 2021.

XU Zeming. Research on Stray Light Suppression and Processing Technology of Space-based Space Target Detection System[D]. Changchun: University of Chinese Academy of Sciences (Changchun Institute of Optics, Fine Mechanics and Physics, Chinese Academy of Sciences), 2021. (in Chinese)

[4] 宮經(jīng)剛, 寧宇, 呂楠. 美國高軌天基態(tài)勢感知技術(shù)發(fā)展與啟示[J]. 空間控制技術(shù)與應用, 2021, 47(1): 1-7.

GONG Jinggang, NING Yu, LYU Nan. Development and Enlightenment of Space Based Situational Awareness Technology for High Orbit in the United States[J]. Aerospace Control and Application, 2021, 47(1): 1-7. (in Chinese )．

[5] 郝雅楠, 陳杰, 張京男. 美軍天基空間態(tài)勢感知系統(tǒng)的新發(fā)展[J]. 國防科技工業(yè), 2019, 225(3): 39-43.

HAO Yanan, CHEN Jie, ZHANG Jingnan. New Development of US Army Space-based Space Situational Awareness System[J]. National Defense Technology Industry, 2019, 225(3): 39-43. (in Chinese)

[6] 王建宇. 成像光譜技術(shù)導論[M]. 北京: 科學出版社, 2011.

WANG Jianyu. Introduction to Imaging Spectroscopy Technology[M]. Beijing: Science Press, 2011. (in Chinese)

[7] 張淳民, 穆廷魁, 顏廷昱, 等. 高光譜遙感技術(shù)發(fā)展與展望[J]. 航天返回與遙感, 2018, 39(3): 104-114.

ZHANG Chunmin, MU Tingkui, YAN Tingyu, et al. Development and Prospects of Hyperspectral Remote Sensing Technology[J]. Spacecraft Recovery & Remote Sensing, 2018, 39(3): 104-114. (in Chinese)

[8] 徐融, 趙飛, 周錦松. 空間點目標光譜探測與特征識別研究進展[J]. 光譜學與光譜分析, 2019, 39(2): 333-339.

XU Rong, ZHAO Fei, ZHOU Jinsong. Research Progress in Spectral Detection and Feature Recognition of Space Point Targets[J]. Spectroscopy and Spectral Analysis, 2019, 39(2): 333-339. (in Chinese)

[9] SCHILDKNECHT T, VANNANTI A, KRAG H, et al. Reflectance Spectra of Space Debris in GEO[C]// Advanced Maui Optical and Space Surveillance Technologies Conference. [S.l.: s.n.], 2009.

[10] VANANTI A, SCHILDKNECHT T, KRAG H, et al. Reflectance Spectroscopy Characterization of Space Debris[J]. Advances in Space Research, 2017, 59(10): 2488-2500.

[11] 鄧詩宇, 劉承志, 譚勇, 等. 空間目標光譜實測技術(shù)與表面材料分析研究[J]. 光譜學與光譜分析, 2021, 41(10): 3299-3306.

DENG Shiyu, LIU Chengzhi, TAN Yong, et al. Space Target Spectrum Measurement Technology and Surface Material Analysis Research[J]. Science and Spectral Analysis, 2021, 41(10): 3299-3306. (in Chinese)

[12] CHAUDHARY A, BIRKEMEIER C, GREGORY S, et al. Unmixing the Materials and Mechanics Contributions in Non-resolved Object Signatures[C]//Advanced Maui Optical and Space Surveillance Technologies Conference. [S.l.: s.n.], 2008.

[13] 金小龍. 高面質(zhì)比空間碎片的光譜特性分析與研究[D]. 杭州: 浙江工業(yè)大學, 2014.

JIN Xiaolong. Analysis and Research on Spectral Characteristics of Space Debris with High Area to Mass Ratio[D]. Hangzhou: Zhejiang University of Technology, 2014. (in Chinese)

[14] DAO P, MCNICHOLL P, BROWN J, et al. Space Object Characterization with 16-Visible-band Measurements at Magdalena Ridge Observatory[EB/OL].[2021-09-14]. https://xueshu.baidu.com/usercenter/paper/show?paperid=7ccdae4d7 d16314fb22e087d8fd4fdf4&site=xueshu_se.

[15] GONG Q, BERGKOETTER M, BERRIER J, et al. Characterization of Nancy Grace Roman Space Telescope Slitless Spectrometer (grism)[J]. Journal of Astronomical Telescopes Instruments and Systems, 2020, 6(4): 045008.

[16] HAGEN N, KUDENOV M W. Review of Snapshot Spectral Imaging Technologies[J]. Optical Engineering, 2013, 52(9): 090901.

[17] 高澤東, 孟合民, 高洪興, 等. 快照式光譜成像技術(shù)綜述[J]. 光學精密工程, 2020, 28(6): 1323-1343.

GAO Zedong, MENG Hemin, GAO Hongxing, et al. Overview of Snapshot Spectral Imaging Technology[J]. Optics and Precision Engineering, 2020, 28(6): 1323-1343. (in Chinese)

[18] DONOHO D L. Compressed Sensing[J]. IEEE Transactions on Information Theory, 2006, 52(4): 1289-1306.

[19] 金國藩. 前沿光學技術(shù)的新發(fā)展[J]. 航天返回與遙感, 2019, 40(3): 1-4.

JIN Guofan. The New Development of Cutting-edge Optical Technology[J]. Spacecraft Recovery & Remote Sensing, 2019, 40(3): 1-4. (in Chinese)

[20] ARCE G, BRADY D, CARIN L, et al. Compressive Coded Aperture Spectral Imaging: An Introduction[J]. Signal Processing Magazine IEEE, 2014, 31(1): 105-115.

[21] 趙巨峰, 崔光茫. 計算圖像——全光視覺信息的設(shè)計獲取[J]. 航天返回與遙感, 2019, 40(5): 1-14.

ZHAO Jufeng, CUI Guangmang. Computational Image-design and Acquisition of Plenoptic Visual Information[J]. Spacecraft Recovery & Remote Sensing, 2019, 40(5): 1-14. (in Chinese)

[22] GEHM M E, JOHN R, BRADY D J, et al. Single-shot Compressive Spectral Imaging with Adual-disperser Architecture[J]. Optics Express, 2007, 15(21): 14013-14027.

The Combinded Computational Spectral Imaging Methord of Space-based Targets

LIU Yanli1,2ZHAO Haibo1,2ZHONG Xiaoming1,2TAN Yong3XU Hai4XUE Fang1,2WANG Yechao1,2

（1 Beijing Institute of Space Mechanics & Electricity, Beijing 100094, China）（2 Key Laboratory for Advanced Optical Remote Sensing Technology of Beijing, Beijing 100094, China）（3 School of Science Changchun University of Science and Technology, Changchun 130022, China）（4 Institute for Pattern Recognition and Artificial Intelligence Huazhong University of Science and Technology, Wuhan 430074, China）

Spectral imaging technology can obtain a three-dimensional data cube of the target, which has the advantage of "unification of maps". Analyzing the "fingerprint" spectral information of space targets is a powerful method for space target identification. In response to the needs of space target material identification and key part identification, a new method of computational spectral imaging in the article was proposed coordinated atlas detection. High-resolution spatial spectral images were obtained through the combination of panchromatic channels and computational spectral channels. The calibration technology used for target spectrum inversion was also introduced, including the target scattering spectrum measurement calibration technology and the system spectrum coding calibration technology. The multi-spectral image of the satellite model taken by the new spectral imaging system were used as a data set for deep learning training. The recognition test was performed on the entire data set, and the average recognition rate of the five categories of satellite body, solar wing, data transmission antenna, thruster and space background was 74.86%.

space target; spectral detection; compressed sensing; computational spectral; spectral calibration

P185.14

A

1009-8518(2021)06-0074-08

10.3969/j.issn.1009-8518.2021.06.008

2021-09-25

國家自然科學基金（61775102）

劉彥麗, 趙海博, 鐘曉明, 等. 天基復合計算光譜探測與識別方法研究[J]. 航天返回與遙感, 2021, 42(6): 74-81.

LIU Yanli, ZHAO Haibo, ZHONG Xiaoming, et al. The Combinded Computational Spectral ImagingMethord of Space-based Targets[J]. Spacecraft Recovery & Remote Sensing, 2021, 42(6): 74-81. (in Chinese)

劉彥麗，女，1989年生，2014年獲中國空間技術(shù)研究院飛行器設(shè)計專業(yè)碩士學位，高級工程師。研究方向為高光譜成像、計算光學。E-mail：yanliliu214@163.com。

（編輯：夏淑密）