天基复合计算光谱探测与识别方法研究

刘彦丽 赵海博 钟晓明 谭勇 徐海 薛芳 王业超

天基复合计算光谱探测与识别方法研究

刘彦丽1,2赵海博1,2钟晓明1,2谭勇3徐海4薛芳1,2王业超1,2

（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 长春理工大学理学院，长春 130022）（4 华中科技大学图像识别与人工智能研究所，武汉 430074）

光谱成像技术可获得目标的三维数据立方体，具有“图谱合一”的优势。对空间目标的“指纹”光谱信息进行分析是空间目标识别的一种有力手段。文章针对空间目标材料识别和关键部位识别需求，提出一种图谱协同探测的计算光谱成像新方法，以全色通道和计算光谱通道联合获取高分辨率的空间光谱图像，并介绍了用于目标光谱反演的标定技术，包括目标散射光谱测量标定技术和系统光谱编码标定技术。通过采用新型光谱成像系统拍摄的卫星模型多光谱图像扩充样本作为数据集，进行深度学习训练，对整个数据集进行识别测试，对卫星主体、太阳翼、数据传输天线、推力器和太空背景五个类别的平均识别率为74.86%。

空间目标 光谱探测 压缩感知 计算光谱 光谱标定

0 引言

空间目标泛指空间运行的航天器、空间碎片和自然天体等。随着空间目标的增多，空间环境变得愈加复杂，不工作的卫星、空间碎片甚至空间武器等对我国航天器正常运行造成严重威胁，能够对各种空间目标进行有效识别是保护自身航天器的一个首要前提[1-3]。另一方面，随着美国构建的“天地一体、全球覆盖、高低轨兼顾”空间态势感知体系的快速发展，对我国空间资产也带来了较大威胁[4-5]。从国家安全和战略防御的需要出发，空间目标探测在逐步向天基平台扩展，需要开展以卫星为代表的典型空间目标探测与识别技术研究。

光谱成像技术可获得目标的数据立方体，具有“图谱合一”的优势[6-7]，由于不同空间目标表面组成材料的不同，反射光谱存在差异，对空间目标的“指纹”光谱信息进行分析是空间目标识别的一种有力手段。目前，国外在空间目标的多/高光谱特性研究方面已经开展了大量研究与实验[8]。2009年， T. Schildknecht采用欧空局望远镜采集到450～960nm的高轨空间碎片光谱，通过分析光谱来推演目标表面材料[9]；2017年，A. Vananti采用地面望远镜采集了一系列空间碎片的光谱，基于光谱的形状和外观实现三种碎片的初步分类，指出碎片光谱可以成功地与实验室分析的材料相关联[10]。国内中国科学院国家天文台长春人造卫星观测站采用地面望远镜和光谱测试终端对空间目标的光谱特性开展研究，对多个空间目标的表面材料占比、置信度进行反演，解析出至少两种材料，置信度在80%左右[11]。上述研究进展表明，目前空间目标探测从单一的强度探测逐渐向多维（空间、光谱等）探测发展，成像光谱复合探测方法能显著改善空间目标识别任务，发展天基高光谱成像载荷是未来空间目标特性识别的发展趋势。

本文以天基空间目标探测系统为背景，分析空间目标的光谱探测识别需求，针对现有成像光谱探测方式的不足，提出一种新型的天基复合计算光谱探测与识别方法，包括图谱协同探测的计算光谱成像技术、光谱标定技术和复合光谱识别技术。基于地面试验验证，图谱协同探测的计算光谱成像技术可以实现对空间目标的高概率探测识别，是未来空间态势感知的重要发展方向。

1 空间目标成像光谱探测与识别需求分析

空间目标光谱探测识别需求主要包括目标材料识别和关键部件识别。

（1）空间目标材料识别需求

由于卫星太阳翼材料、星体表面包覆材料、涂料、有效载荷材料等属性的不同，对应的光谱特点不一致，通过光谱成像手段可以将目标的材料识别出来。材质的光谱特征差异明显，相互之间无线性关系，因此，光谱是材质的一种指纹谱，是关键部件识别的一种钥匙。因此，基于光谱信息是目前空间目标分类识别的一种重要手段。

在近十多年，国外的研究学者已经获取了多种空间材料的光谱特性，形成了较为完善的空间目标光谱数据库。如图1所示，太阳翼、聚酰亚胺薄膜材料、铝材料和白漆在0.3～1.9μm波段表现出明显不同的反射率[12-13]，说明空间目标的光谱具有识别空间材料的能力。

图1 常见航天器/碎片材料的光谱特性[12]

（2）空间目标关键部件识别的需求

基于光谱手段还可以发现全色成像图像难以发现的特征，保证信息获取的完整性。图2为国外地基观测设备采集的国际空间站（ISS）的多光谱图像，通过16种滤光片采集光谱信息，谱段范围414～845nm，平均光谱带宽为38nm，图像可提供可表征空间目标的大小、形状、运动、光谱和构成等信息。

图2 空间站不同谱段的成像结果[14]

通过选择国际空间站主体上不同（材料）点进行分析，光谱曲线可提供明显区分的特征，可用于优化光谱带宽，估计表面材料成分，确定空间目标材料的标称光谱差异，这对于目标功能部件的识别确认具有重要意义。以卫星为例，卫星系统包含卫星平台、接收天线、发射天线和太阳翼等部件，针对关键部件开展光谱识别有助于确认卫星攻击部位。

总的来说，对于空间目标，成像和光谱提供了相互补充的两种探测手段，成像探测提供目标空间信息，光谱信息可进行进一步判读与识别，提供更准确的局部信息，对目标的关键部位进行识别，因此有必要开展成像光谱复合探测技术研究，实现快速、高效、高准确率的空间目标探测与识别。

2 天基复合光谱探测技术

目前空间目标光谱探测的主流方式主要有滤光轮成像光谱仪、单狭缝光栅光谱仪、无狭缝棱栅成像光谱仪[15]、光纤成像光谱仪[16]和积分视场光谱仪[17]五种，五种探测方式的优缺点见表1。

表1 不同的光谱探测方式优缺点

计算光谱成像是近几年逐渐发展起来的一项新技术，该技术基于压缩感知理论，只要信号是可压缩的或在某个变换域是稀疏的，就可以采用与变换基不相关的观测矩阵将变换所得高维信号投影到低维空间上，通过求解一个优化问题即可从少量的投影中以高概率重构出原始信号[18-19]。基于压缩感知理论的计算光谱成像技术仅需一次成像就能够直接获取面阵光谱，没有狭缝，提高了光能利用率，可实现高空间高光谱分辨率目标探测[20-21]，应用于空间目标光谱探测，有望解决主流光谱探测方式存在的时间调制、能量低、空间像素数有限等问题。

2.1 图谱协同探测的计算光谱成像技术

针对空间目标高分辨率面阵光谱探测的需求，本文提出一种图谱高效协同探测的新方法。如图3所示，图（全色通道）和谱（计算光谱通道）通道共用主光路，实现高效同步探测；全色通道获取高分辨率可见光图像，经过图像处理得到若干疑似区域；计算光谱通道根据全色通道的信息，高效选择可疑区域进行光谱复原，利用光谱数据估计疑似区域材料和已有的材料数据库对比，结合几何、光谱及信息，进一步识别判断关键部位。

图3 图谱协同探测的计算光谱成像技术原理

图谱高效协同探测系统中计算光谱测量通道由物镜、编码板、中继镜、阿米西色散棱镜、成像镜和探测器组成。物镜将目标成像至一次像面，即编码板所在的平面；编码板对目标进行0-1二值调制，中继镜将场景二次成像至探测器平面。其中色散棱镜对目标不同谱段的图像进行色散，由探测器进行全波长积分成像。至此，入射光经过系统的空间维调制和光谱维色散后，由探测器接收降维的压缩编码混叠信息。全色通道经物镜分光直接由探测器采集图像，将高分辨率的空间信息引入到压缩感知算法重构模型，得到目标的三维光谱数据立方体。

2.2 光谱标定技术

精确的光谱标定是高精度反演空间目标信息的前提与基础。天基复合光谱探测系统的标定分为目标散射光谱测量标定技术和系统光谱编码标定技术。

2.2.1 目标散射光谱标定技术

目标散射光谱标定技术主要包括空间目标光谱双向反射分布函数（BRDF）标定与数据规范化，包括13个步骤，具体流程如图4所示。通过这些步骤，得到空间目标外形和表面材质所对应的散射光谱BRDF数据，包括光谱分辨率、波长范围、相位角分辨率及误差范围、入射方位角和俯仰角分辨率及误差范围、出射方位角和俯仰角分辨率及误差范围、光谱强度单位和所代表的目标尺寸分辨率等，均具有相同规范，属于规范化数据。通过标定和数据规范化得到目标多维数据立方体，进行目标各个部件的材质反演。

图4 目标光谱测量标定流程

2.2.2 光谱编码标定技术

编码板是计算成像系统的核心元件，光谱编码标定的精度直接影响光谱反演的精度。编码标定的目的在于确定任意波段通过编码板后在探测器上的实际响应，主要包括两部分：1）各谱段等效色散编码板的偏移量。它是由色散棱镜的色散效果决定的，对于偏移量的标定实验可验证整体光路及色散棱镜的色散效果能否满足混叠采样的需求，并作为忠诚项之一约束地面光谱重构。2）各谱段等效色散编码板的内部通光情况。由于编码板的设计思想是对场景进行0-1编码，但实际编码过程中，考虑到光学传播过程，会引入光路的点扩散函数，使得最终的编码效果等效于设计模板与每部分点扩散函数的卷积。因此，需要对等效色散编码板的内部通光情况进行重新标定。标定方案如图5所示。

图5 编码标定方案示意

3 基于复合光谱的空间目标识别实验验证

基于提出的图谱协同探测的计算光谱成像技术开展空间目标识别实验验证。在实验室暗室环境拍摄等比例卫星模型的多光谱图像（空间像素数696×520），其波段为482～696 nm，共计50个通道。部分通道的成像如图6所示。

图6 目标原图及重构的部分光谱图像

验证过程见图7。通过人工对样本图像进行像素级标注，并将图像中各个像素分为卫星主体、太阳翼、数据传输天线、推力器和背景五类，如图7（a）所示。由于实际拍摄时，卫星的大小和位置都是根据实际情况而变化的，因此，测试时采用一定方案扩充样本，扩充方法如图7（b）所示。将图像分为完全背景区域和目标区域，获得的高光谱样本图像如图7（c）所示。为实现对空间目标复合光谱的关键部位识别，开展像素级目标检测。用高光谱样本扩充得到的数据集进行深度学习训练，训练了约100个轮次后，对整个数据集（包括测测试集和训练集）进行识别测试，检测结果如图7（d）所示。

图7 实验验证结果

经过统计，五个类别的识别率如表2所示，平均识别率为74.86%（直接对识别率求均值，而不是所有正确识别的样本数量除以总样本数量，下同），其中最低的指标为卫星推力器的识别率，仅有24.11%，除样本较少原因之外，其表面材质种类较多，灰度或光谱信息与卫星太阳翼、主体非常接近，错误识别为这两种的可能性也高。排除这个指标后，平均识别率为87.56%。

表2 关键部位识别率统计

4 结束语

本文针对空间目标材料识别和关键部件识别需求，提出一种图谱高效协同探测识别的新方法。该方法通过全色通道获取高分辨率可见光图像，经过图像处理得到若干疑似区域；计算光谱通道根据全色通道信息，高效选择可疑区域进行光谱复原，利用光谱数据估计疑似区域材料，通过和已有的目标散射光谱特性数据库对比，进一步识别判断空间目标关键部位。通过对多光谱图像样本组成的数据集进行识别测试，结果显示对卫星五个部位类别的平均识别成功率为74.86%。试验表明：本文所提复合光谱探测方法用于空间目标探测识别具有可行性，在未来空间态势感知领域具有发展潜力。

[1] 李骏. 空间目标天基光学监视跟踪关键技术研究[D]. 长沙: 国防科学技术大学, 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] 杨康. 空间目标高光谱特性分析[D]. 上海: 上海交通大学, 2011.

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

[3] 徐泽明. 天基空间目标探测系统杂散光抑制与处理技术研究[D]. 长春: 中国科学院大学(中国科学院长春光学精密机械与物理研究所), 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] 宫经刚, 宁宇, 吕楠. 美国高轨天基态势感知技术发展与启示[J]. 空间控制技术与应用, 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, 陈杰, 张京男. 美军天基空间态势感知系统的新发展[J]. 国防科技工业, 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. 成像光谱技术导论[M]. 北京: 科学出版社, 2011.

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

[7] 张淳民, 穆廷魁, 颜廷昱, 等. 高光谱遥感技术发展与展望[J]. 航天返回与遥感, 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, 赵飞, 周锦松. 空间点目标光谱探测与特征识别研究进展[J]. 光谱学与光谱分析, 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] 邓诗宇, 刘承志, 谭勇, 等. 空间目标光谱实测技术与表面材料分析研究[J]. 光谱学与光谱分析, 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] 金小龙. 高面质比空间碎片的光谱特性分析与研究[D]. 杭州: 浙江工业大学, 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] 高泽东, 孟合民, 高洪兴, 等. 快照式光谱成像技术综述[J]. 光学精密工程, 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] 金国藩. 前沿光学技术的新发展[J]. 航天返回与遥感, 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] 赵巨峰, 崔光茫. 计算图像——全光视觉信息的设计获取[J]. 航天返回与遥感, 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

国家自然科学基金（61775102）

刘彦丽, 赵海博, 钟晓明, 等. 天基复合计算光谱探测与识别方法研究[J]. 航天返回与遥感, 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)

刘彦丽，女，1989年生，2014年获中国空间技术研究院飞行器设计专业硕士学位，高级工程师。研究方向为高光谱成像、计算光学。E-mail：yanliliu214@163.com。

（编辑：夏淑密）