面向陆表目标的光学遥感成像仿真系统研究

高凌雁 朱明月 阮宁娟 金海男 王有福 王慧亮

面向陆表目标的光学遥感成像仿真系统研究

高凌雁1,2朱明月3阮宁娟1,2金海男4王有福5王慧亮6

（1 北京空间机电研究所，北京 100094）（2 先进光学遥感技术北京市重点实验室，北京 100094）（3 钱学森空间技术实验室，北京 100094）（4 国能（北京）商务网络有限公司，北京 100161）（5 华能青海发电有限公司新能源分公司，西宁 810000）（6 国网冀北电力有限公司检修分公司，大同 037000）

基于光学遥感系统现有设计和约束条件，在满足项目成本、研制进度和过程风险等因素的情况下，如何优化图像品质，提升系统成像效能，是遥感设计研发人员需要考虑的重要方面。为了更好的支撑遥感系统研制的设计优化和决策，有必要开展链路成像模拟与像质性能预估。面向陆表场景和地物目标，文章基于遥感成像物理过程机理，对成像重要环节构建精细化的数学模型，并结合成像系统工程测试数据，迭代训练优化系统模型。经验证，系统仿真置信度优于0.83，可以实现光学遥感载荷的高真实度的成像模拟；并根据模型采用分层架构设计，开发了成像仿真软件，实现对陆表场景进行多波段、多种成像参数、多种分辨率和幅宽的光学成像仿真和结果可视化功能；并在载荷研制论证中开展应用，有效支撑遥感系统设计分析，提升总体效能。

光学成像仿真 精细化建模 模型优化 精度验证 软件开发 航天遥感

0 引言

在遥感器方案论证阶段或研制生产前期，通过成像仿真与性能评估，可以为系统方案调整、设计优化和生产措施改进提供支撑，避免在设计和科研生产上走弯路，把相关风险控制在设计阶段前期，提高整个系统设计研制的效费比。此外，高真实度和高精度的仿真结果与评估数据也可为后端的遥感应用提供科学研究和论证的数据资源，发挥更多的价值[1]。

自20世纪末始，国外机构在光学遥感成像仿真模型研究和平台开发上多方著力，形成很多卓有成效的研究成果，并在多个发达国家军方和国家应用部门的系统论证、研制和在轨服务中开展了有效应用[2-7]。然而，目前应用在我国相关领域的工具还很有限，有一些只是不完整的基础功能模块，制约了我国遥感科学研究和产品研制方面的发展。国内近年来也在该领域开展了诸多研究和开发工作，然而在整个成像链路的建模和开发中，传感器模块较为简化，而成像系统涉及物理要素众多，耦合关系复杂，交互影响，在轨成像效应无法全面通过仿真真实准确地反映，降低了成像模拟的整体效能。

本文基于光学遥感成像机理，结合遥感系统研制生产实际和特性测试真实情况，从系统工程论角度，着重精细化的开展光学成像系统的建模与算法研究，设计开发了成像仿真软件平台，旨在为实现我国成像仿真技术自主可控提供一定的知识研究基础，并可灵活对接上游场景与大气三维建模平台和下游数据应用平台，整体提升成像仿真链路的体系效能。

1 光学遥感成像链路

光学遥感成像链路主要包括辐射源（太阳）、场景（含探测目标和地形背景）、大气、遥感成像系统和后续数据传输处理[8]。传输过程为：一定光照条件下，携带场景信息的辐射能量经过大气辐射传输路径进入光学遥感成像系统，通过能量采集传输、光电转换、电荷转换、电子学增益放大和滤波、模数转换以及传输等过程，呈现含有观测目标和场景信息的图像。

为了实现光学成像高精度仿真，重点研究了光学遥感系统的链路成像过程，分析成像系统各个组成单元在成像过程中的有效信号采样、转换及传输机理，各种物理效应机理和系统的噪声产生机理，同时考虑大气传输、平台振动等因素对成像退化的影响。影响最终成像结果的环节和要素众多，存在诸多耦合交互，复杂性强。通过梳理物理要素与成像性能之间的影响关系，结合遥感成像系统的研制经验和工程实际，建立了遥感成像系统的仿真精细化模型。成像模拟实现过程如图1所示：首先，通过几何、纹理和光谱等特性对关注目标的典型场景进行场景模型构建；然后，利用成熟的大气辐射传输模型对响应的大气输入条件完成场景与大气的集成建模，得到遥感器入瞳前的辐射能量信息（即入瞳辐亮度）；接着，构建精细化的遥感成像系统模型，包含信号、噪声和MTF三大链路；最后，通过前面的模型模拟得到场景的仿真图像结果，并可以进行可视化显示，具备图像缩放/拖拽功能、灰度信息查看功能和灰度直方图显示功能。

图1 光学遥感器成像仿真过程

2 精细化建模与平台开发

2.1 场景大气集成建模

通过运用三维场景建模工具对陆表典型地面背景和地物目标进行几何、光谱和纹理特性的建模[9-10]，完成场景建模（过程不赘述）。本文将生成赋有材质属性的场景数据作为集成建模的输入数据。利用成熟的大气辐射传输模型[11-12]，通过最小二乘拟合，计算得到不同光照和观测角度下的辐亮度数据与反射率信息的参数查找表，针对大陆中纬度带常规气候条件，结合陆表典型目标的反射率，进行反射率反演，生成反射率矩阵，然后根据输入的成像几何条件，调用辐亮度计算参数查找表，结合场景反射率数据进行大气辐射传输计算[13]，生成集成场景、大气等特性的辐射能量数据，作为链路后端单元（遥感成像系统）的入瞳信息数据源。

2.2 成像系统建模

成像系统的建模主要完成入瞳辐射信息经过成像系统的透过、聚焦、采样、光电转换、放大滤波和量化等作用后输出图像数据的过程。

灰度水平DN、信噪比SNR和调制传递函数MTF是评价遥感成像系统的重要成像性能指标[14]，基于成像性能开展信号、噪声和MTF三大链路的成像精细化建模和训练优化。

入瞳辐亮度经过光学系统，在探测器焦面得到的信号电子数target为

式中为普朗克常数，=6.63×10–34J·s；为光速，=3×108m/s；为光学系统相对孔径的倒数；为光学系统杂光系数；为光学系统线遮拦比；opt为光学系统透过率；max和min为光谱响应范围的上限和下限，为波段的中心波长；det为探测器面积，对方形探元，等于探测器像元尺寸的平方；int为成像系统的积分时间，对普通CCD探测器等于曝光时间，对TDICCD探测器等于曝光时间×TDI级数[15]；QE()为光谱响应率，即波长为的每个入射光子平均产生的光电子数，也称探测器量子效率；target即为携带目标信息的入瞳辐亮度。

信号电子数值的上限为探测器的饱和电子数，当电子传递到探测器敏感结电容时，便产生电压，经过源跟随放大器输出电压信号，假设器件饱和电子数为sat，那么有

式中SIGNAL为信号电压；out为信号电子数；CCE为电荷转换效率；单位一般为μV/e-。

经过电子学增益调整和模数转换（量化位数为）后的输出信号为

式中SAT为满量程饱和输出电压；DNout为模数转换后的量化输出值。

经过遥感器相关双采样后的系统噪声SYS[16]为

式中n（=1, 2, 3, 4, 5）分别为1散粒噪声、2模式噪声、3探测器读出底噪声、4电路放大器噪声和5量化噪声。

成像链路中大气、光学成像系统以及卫星平台都会对成像产生退化效应，系统的MTF可表达为各个环节的MTF乘积

式中 MTF（=1, 2, 3, 4, 5）为大气、光学系统、探测器、电子学系统和卫星平台5个环节在频域的MTF退化模型。

2.3 仿真软件设计开发

基于成像仿真模型和算法，在Windows7/10环境下，采用分层软件架构开展成像仿真软件开发，实现光学遥感系统成像模拟，并综合考虑持续发展与应用拓展，建立可扩展的数据库管理模式和接口设计，系统整体的基本框架设计如图2所示。

软件主要具备五大功能：1）参数手动输入/配置文件导入/存储输出；2）源数据调用；3）不同分辨率和幅宽、多种可见波段、多类型成像系统的子环节效应和全功能的成像仿真；4）仿真结果按照设置好的存储路径进行保存；5）成像仿真结果可视化显示与灰度/直方图等信息对比查看。软件设计效果见图3所示。

图2 成像仿真软件数据流与综合框架

图3 成像仿真软件设计界面与仿真结果可视化显示

3 模型验证与分析

为了建立高置信度仿真模型，利用遥感载荷工程研制中的真实测试数据进行模型训练，迭代修订模型和参数，不断优化模型算法。最后选用某商遥高分相机的工程数据对最终模型开展子单元级和系统级的验证，采用灰度DN值、信噪比、MTF指标进行计算对比，分析模型仿真精度。

3.1 成像模型的地面数据验证

采用相机地面辐射定标测试和MTF测试数据进行单元级模型验证，流程如图4所示。

图4 地面工程数据验模流程

（1）信号噪声模型的地面验证

选取某商遥载荷全色谱段（500～800nm）的TDI级数12级和不同增益参数下的定标测试数据开展信号与噪声模型的精度验证，验证对比结果见表1和表2。

并对不同增益的响应变化作曲线进行对比，见图5所示。由图5可看出，相机增益为0dB时，由于该载荷探测器件响应限制，器件达到饱和状态后，电路未进行放大作用的情况下（0dB），输出灰度约为670DN，此时即使增加输入亮度，输出值也不再增加；后续在电子学系统中增加增益调控至6dB后，系统饱和输出响应才达到10bit量化的满量程值。这与该载荷在轨实际成像特点吻合，验证了信号响应模型的有效性。

表1 成像系统信号链路定标测试结果与模型仿真结果

表2 高端亮度系统SNR-地面定标结果与模型仿真结果对比和误差

图5 可见光全色波段（0.5～0.8μm）不同增益下的定标结果与仿真结果

对成像系统进行信号和噪声模型验证的结果表明，信号与噪声的精细化成像模型可以模拟真实成像过程的具体效应，包括探测器器件饱和、系统饱和、线性变化以及噪声等。其中，信号模拟误差不大于4.55%，信噪比误差不大于7.28%。

（2）MTF模型的地面验证

根据遥感系统中的光学镜头设计分析MTF数据、探测器件的测试MTF数据和系统测试MTF数据，进行子单元级和系统级MTF模型精度验证。以全色谱段为例，计算对比结果见表3所示。

表3 PAN（0.5～0.8μm）谱段MTF设计（测试）结果与仿真结果对比

对成像系统进行MTF模型验证的结果表明，成像系统MTF精细化模型可以模拟真实成像过程的各子环节的成像退化效应，精度验证结果中：光学系统MTF模型精度优于92%，探测器精度优于94%，相机系统的MTF模型精度可优于95%。

3.2 成像模型的在轨数据验证

采用该商遥相机在轨运行时对靶标地区场景成像的分辨率为1m的全色PAN波段工程测试数据，开展系统成像模型的精度验证，流程见图6所示。

图6 在轨工程数据验模流程

场景包含草地、土壤、水泥道路、树木、可测算靶标等典型目标，通过对真实成像时的大气条件和相机成像参数进行成像模拟，得到仿真结果见图7所示，并计算灰度值、信噪比和靶标的MTF性能指标，与在轨工作测试数据进行对比，分析模型模拟精度和置信度。

图7 含靶标目标的陆表场景——全色（0.5～0.8μm）通道光学成像模拟结果

对仿真结果数据进行指标结果计算，其中：DN值和SNR值通过对均匀区域求均值和均方差计算得到，MTF通过刃边法[17-18]计算得到。计算分析结果见表4。

表4 成像载荷在轨测试结果与仿真模拟结果

采用仿真系统与真实成像系统（即被仿真系统）的相似度表征仿真系统的置信度，两者之间的相似指标、数量以及对系统影响的权重因子将产生综合影响[19-20]。设为仿真系统，为被仿真的真实系统，、之间存在个相似元，设每个相似元的值为q，影响权重为ω，则系统相似度为

式中y和y分别为系统实际输出结果和仿真结果。

令灰度DN值、SNR和MTF作为评价相似元，通过构造两两判断矩阵[19-20]的方法计算得到权重系数，根据在轨成像验证的三个指标参数的仿真精度和权重值，计算得到系统模型的仿真置信度为

在轨系统级模型验证的结果表明：系统仿真置信度可优于0.83。

4 结束语

本文基于光学遥感链路成像机理，概述了遥感成像载荷的精细化建模过程与成像仿真软件开发总体设计，并结合遥感载荷单元级和系统级的工程测试数据，开展模型算法训练优化以及精度验证。仿真验证结果显示：成像仿真模型能够模拟真实成像过程的线性响应、饱和、像质MTF退化等各种具体效应，且系统信号模型精度可优于90%，信号与噪声模型考核信噪比性能精度优于92%，MTF模型精度优于72%，系统置信度可优于0.83，能够完成高真实感、较高置信度的成像模拟。成像建模仿真研究应用需要不断紧跟遥感发展趋势，持续更新，后续不仅会继续更新优化模型和算法，增加仿真图像多种指标计算评价单元，并将拓展和深化两方面的研究：1）高光谱波段的成像建模研究；2）与后端数据应用处理的结合，进一步优化模型，逐步完善多类型的光学遥感系统仿真研究与应用。

[1] 孙伟健, 林军, 阮宁娟, 等.国外光学遥感成像系统仿真软件发展综述与思考[J].航天返回与遥感, 2010, 31(6): 70-75.

SUN Weijian, LIN Jun, RUAN Ningjuan, et al. Summarization and Consideration of Oversea′s Simulation Software Development for Optical Remote Sensing System[J]. Spacecraft Recovery & Remote Sensing, 2010, 31(6): 70-75. (in Chinese)

[2] SUN Jiangqin, MESSINGERD, GARTLEYM.Enhanced DIRSIG Scene Simulation by Incorporating Process Models[C]//Imaging Spectrometry XVI, August 22-23, 2021, San Diego, CA, USA. 2011: 1-12.

[3] SANDERS J S, BROWN S D. Utilization of DIRSIG in Support of Real-time Infrated Scene Generation[J]. Proceedings of the SPIE, 2000, 4029: 278-285.

[4] BSRNER A, WIEST L, KELLER P, et al.Sensor: A Tool for the Simulation of Hyperspectral Remote Sensing Systems[J].ISPRS Journal of Photogrammetry and Remote Sensing, 2001, 55(5/6): 299-312.

[5] COTA S A, BELL J T, BOUCHER R H, et al. Picasso: An End-to-end Image Simulation Tool for Space and Airborne Imaging Systems[C]//Remote Sensing System Engineering, August 11-13, 2008, San Diego, CA, USA. 2008: 1-31.

[6] MOULTON J R,FINK C E. Ray-tracing Approach for Realistic Hyperspectral Forest Canopies[C]//Conference on Targets and Backgrounds VIII: Characterization and Representation, April 1-3, 2002, Orlando, USA. 2002: 46-64.

[7] 王刚, 禹秉熙.基于图像仿真的对地遥感过程科学可视化研究[J].系统仿真学报, 2002, 6(14): 756-770.

WANG Gang, YU Bingxi. Study on Scientific Visualization of Earth Remote Sensing Based on Imagery Simulation[J]. Journal of System Simulation, 2002, 6(14): 756-770. (in Chinese)

[8] SCHOWENGERDT R A. Remote Sensing: Models and Methods for Image Processing[M]. New York: Academic Press Inc., 1997: 45-46.

[9] HAYNES A W, GILMORE M A, FILBEE D R, et al. Accurate Scene Modeling Using Synthetic Imagery[C]//Targets and Backgrounds IX: Characterization and Representation, April 21-22, 2003, Ortando, FL, USA. 2003: 86-87.

[10] 彭庸.高真实感地形场景仿真研究[D].西安: 西安电子科技大学, 2009.

PENG Yong. The Study of Third Dimension Scene Simulation[D]. Xi′an: Xidian University, 2009. (in Chinese)

[11] VERMOTE E, TANRE D, DEUZE J L, et al. Second Simulation of the Satellite Signal in the Solar Spectrum (6S): User′s Guide[Z]. UST de Lille.

[12] 毛克彪, 覃志豪.大气辐射传输模型及MODTRAN中透过率计算[J]. 测绘与空间地理信息, 2004, 27(4): 1-3.

MAO Kebiao, QIN Zhihao. The Transmission Model of Atmospheric Radiation and the Computation of Transmittance of Modtran[J]. Geomatics＆Spatial Information Technology, 2004, 27(4): 1-3. (in Chinese)

[13] 何红艳, 杨居奎, 齐文雯. 大气对遥感卫星图像品质的影响分析[J]. 航天返回与遥感, 2011, 32(2): 42-47.

HE Hongyan, YANG Jukui, QI Wenwen. Analysis of Atmosphere′s Influence on Image Qualit y of Remote Satellite[J]. Spacecraft Recovery & Remote Sensing, 2011, 32(2): 42-47. (in Chinese)

[14] MOJTABA ABOLGHASEMI, DARIUSHABBASI-MOGHADAM. Design and Performance Evaluation of the Imaging Payload for a Remote Sensing Satellite[J]. Optics & Laser Technology, 2012, 44: 2418-2426.

[15] 马文坡. 航天光学遥感技术[M]. 北京: 中国科学技术出版社, 2011: 91-93.

MA Wenpo. Space Optical Remote Sensing Technology[M]. Beijing: Science and Technology of China Press, 2011: 91-93. (in Chinese)

[16] HOLST G C. CCD Arrays, Cameras, and Displays[M]. 2nd ed. mgJCD Publishing, 1998: 123-130.

[17] 赵占平, 付兴科, 黄巧林, 等. 基于刃边法的航天光学遥感器在轨MTF测试研究[J]. 航天返回与遥感, 2009, 30(2): 37-43.

ZHAO Zhanping, FU Xingke, HUANG Qiaolin, et al. On Orbit MTF Test Research of Remote Sensors Based on Knife-edge Method[J]. Spacecraft Recovery & Remote Sensing, 2009, 30(2): 37-43. (in Chinese)

[18] 戴奇燕, 夏德深, 何红艳, 等. 刃边法在轨MTF测量性能分析[J]. 航天返回与遥感, 2006, 27(3): 22-27.

DAI Qiyan, XIA Deshen, HE Hongyan, et al. Performance Analysis of MTF Measurement Using Edge Method[J]. Spacecraft Recovery & Remote Sensing, 2006, 27(3): 22-27. (in Chinese)

[19] SARGENT R G. Verification and Validation of Simulation Models[J]. Journal of Simulation, 2013, 7(1): 12-24.

[20] 柳世考, 刘兴堂, 张文. 利用相似度对仿真系统可信度进行定量评估[J]. 系统仿真学报, 2002, 14(2): 143-145.

LIU Shikao, LIU Xingtang, ZHANG Wen. Fixed Quantity Evaluation to Reliability of Simulation System with Similar Degree[J]. Journal of System Simulation, 2002, 14(2): 143-145. (in Chinese)

Terrestrial Objective-oriented Optic Remote Sense Imaging Simulation Research

GAO Lingyan1,2ZHU Mingyue3RUAN Ningjuan1,2JIN Hainan4WANG Youfu5WANG Huiliang6

（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 Qian Xuesen Laboratory of Space Technology, Beijing 100094, China）（4 Guoneng（Beijing）Business Network Co., Ltd., Beijng 100161, China）（5 Huaneng Qinghai Power Generation Co., Ltd., New Energy Branch, Xi'ning 810000, China）（6 State Gird Jibei Electric Power Co., Ltd., Maintenance Branch, Datong 037000, China）

Under the satisfying of project cost, schedule and process risk, remote sensor system designers and developers need mainly considering how to optimize image quality and promote system effectiveness within the existing design and constraints. Imaging simulation and the prediction of image quality can contribute to the design optimization and decision of system development. Based on the research of optical remote sensing mechanism, in this paper, the terrestrial objective-oriented fine-grained mathematic models of the vital steps in the imaging chain are built and trained combined with mass sensors’ engineering test data. System simulation dependability is better than 0.83 through the models verifying, which prove the imaging system model can realize the imaging simulation with high quality. Imaging simulation software was developed with layered architectural approach according the model, which has a variety imaging simulation function for many spectrums, different resolutions and widths, and results visual display. The research and software can be applied in the development and reasoning of remote sensor, and support the remote sensing design and analysis effectively, in addition improve overall effectiveness.

optic imaging simulation; fine modeling; model optimization; precision verify; software develop; space remote sensing

V445

A

1009-8518(2021)06-0064-10

10.3969/j.issn.1009-8518.2021.06.007

2021-08-28

民用航天十三五预研项目（D040401）

高凌雁, 朱明月, 阮宁娟, 等. 面向陆表目标的光学遥感成像仿真系统研究[J]. 航天返回与遥感, 2021, 42(6): 64-73.

GAO Lingyan, ZHU Mingyue, RUAN Ningjuan, et al. Terrestrial Objective-oriented Optic Remote Sense Imaging Simulation Research[J]. Spacecraft Recovery & Remote Sensing, 2021, 42(6): 64-73. (in Chinese)

高凌雁，女，1987年生，2011年获哈尔滨工业大学仪器科学与技术专业硕士学位，高级工程师。主要研究方向为光学遥感成像建模与仿真、系统像质论证与图像数据预处理。E-mail：gaolingyan20080910@126.com。

（编辑：庞冰）