基于光谱信息的空间碎片材料种类数目估计方法仿真研究

在观测空间碎片时,受碎片结构紧凑、组成材料复杂,以及地基观测设备空间分辨率的限制,同一像元中通常会包含多种材料的信息,即产生"混合像元"。目前国内外对混合像元的研究主要集中在获取混合像元的纯物质光谱以及丰度上,往往忽略了高光谱数据中纯物质个数的确定对于没有任何先验信息的混合像元分析是至关重要的。如果估计的材料数目过少,将会导致解混出的材料光谱仍然是混合状态的像元;如果估计的材料数目过多,提取出的端元中将很有可能包含冗余噪声成分。基于光谱线性混合模型,提出一种改进的p范数纯像元辨识算法。主要利用光谱数据具有近似于低维流形的特性,首先采用正交投影的原理,将提取的端元扩充至正交投影算子中,然后分析投影后各个像元向量的p范数值,最终将p范数值高于阈值的向量个数作为材料种类数目。对实测碎片常用材料和美国地质勘测局数据库分别进行仿真实验,实验结果表明:提出的方法在估计材料种类数目的同时,还能提取出目标所包含的材料光谱,这在一定程度上提高混合光谱分解过程的自动化程度;相对于现有的一些主流算法,该方法有较强的鲁棒性,并且在信噪比不高的情况下仍能正确地估计空间碎片材料种类数目。     

一种适用于相机阵列的空间目标初轨确定方法

结合单位矢量法的优点,提出一种适用于相机阵列的空间目标初轨确定(IOD)方法,并给出新的条件方程和具体流程。使用实验室搭建的相机阵列系统对某空间目标进行跟踪,并对帧频为25Hz、时长为5min的实测数据进行处理和分析,得到该空间目标在不同观测时长下的IOD结果,并以轨道半长轴的测定精度为主要指标进行精度分析。实验结果表明,在同一观测时长下,所提方法能有效减小IOD误差,提高IOD的可靠性。     

基于天基光学测角的高轨空间目标轨道确定

受到距离和观测条件等因素的影响,地基设施对高轨空间目标的观测能力有限,但天基观测设施可以有效突破地基设施的观测局限,从而提高对高轨空间目标的观测效率和精度.基于此,结合当前天基测量技术的现状,研究基于天基光学测角的高轨空间目标轨道确定方法,包括初始轨道确定方法和轨道改进方法.针对观测量类型对轨道确定结果的影响,推导直接利用天基观测角度的轨道改进方法,以及基于天基观测方向矢量的轨道改进方法.利用仿真数据和实测数据对两种改进方法进行比较.研究结果表明,基于天基观测方向矢量解算得到的高轨目标轨道精度相对较高,可为我国空间态势感知体系的建设提供有益借鉴.     

空间目标光谱实测技术与表面材料分析研究

随着航天活动的日益增加,空间碎片的数量急剧增多,对未知空间碎片进行编目和识别显得尤为重要.由于火箭箭体、人造卫星及其裂解碎片等在空间中处于外表裸露状态,其表面材料的物理与化学特性会产生较大变化.目前,针对空间目标表面材料的研究主要集中在地面实验室,无法对其在深空中的状态变化进行准确判断.利用空间目标光电望远镜及光谱测试...     

一种空间自适应的多光谱遥感影像端元提取方法

针对现行的凸锥体分析方法提取多光谱影像端元数目的有限性,提出了基于空间全局聚类分析的多光谱遥感影像端元自适应提取方法。该方法首先通过主成分分析对多光谱遥感影像进行降维处理,去除波段间的相关性;然后根据空间光谱间相似性,采用经典的空间聚类算法ISODATA对影像全局聚类,合并聚类后小斑块,实现影像自动分块;最后根据分块对象地物类型分布的复杂程度和散点图特征分析,自适应确定端元数目,再通过沙漏算法迅速地提取端元。通过TM影像端元提取实验表明该方法能够有效的提取多光谱影像的端元;同时克服了端元数目限制,提高了端元提取的精度,为多光谱遥感影像端元提取提供了新思路。     

空间目标光谱特性研究进展

空间目标光谱是空间目标光学特性的本质体现,能够反映空间目标的材质属性,通过将实验室测量的材质光谱与实测空间目标光谱进行匹配处理,可以识别目标的材质类型,有助于分析空间目标的类型及工作状态。针对空间目标光谱测量及材质信息反演问题,研究空间目标光谱形成原理、反演方法及红化效应等问题。结合空间目标的固体光谱特点,分析了振动光谱、电子光谱对350~2 500 nm谱段的贡献。对基于空间目标光谱开展目标材质识别的三种常用方法进行了概括,即人工神经网络法、粒子群优化法和频谱解混法,对常用的反射率及其导数、中心位移等特征参数进行了分析。研究了空间目标光谱的红化效应,指出红化效应是由部分氧化物进入空间后出现脱氧效应所致。部分含氧元素的空间目标材质进入空间后会出现氧元素从材质表面脱离的现象,脱氧后的材质会与空间环境中的污染物结合形成松散的化学键,此类化学键更易吸收长波波段的光能量,且波长越长越易被吸收,从而导致反射率斜率随波长增加而上升的红化效应。在极端空间环境的持续作用下,空间目标表面材质会出现化学变化、物理变化等老化问题,通过光谱观测能够对材质的老化情况进行分析,为及时修复现有卫星、补发替换卫星提供依据。     

基于光谱空间变换的遥感图像目标探测方法研究

针对遥感图像在频率域中的表征,提出了一种基于光谱空间变换的遥感图像目标探测方法。该方法首先利用傅里叶变换,将遥感图像从空域转变到频率域;然后利用频谱能量楔状采样和谐波叠置等手段,将不同频谱能量所表征的目标特征信息分解到不同的高、低频段中,由此获取对应目标特征在频率域中的探测标志;最后结合在频谱能量上具有方向和频带选择性的匹配Gabor滤波器,实现了居民楼地物目标的有效探测。试验结果表明,文章所提出的方法能够较好地探测遥感图像的目标信息,并且具有特定方向上目标检测的能力。     

LEO空间目标的非协同共视观测及初轨确定

测角数据的初轨确定(IOD)是通过光学观测技术进行空间目标编目的 关键,然而对于低地球轨道(LEO)空间目标,地基光学观测所获得的数据弧长较短且不包含距离信息.因此,在进行IOD时,所得轨道的误差往往较大,难以应用于进一步的工作中.针对上述问题,研究了LEO空间目标的非协同共视观测技术及其初轨确定,并基于统计学提出了一种利用非协同共视观测技术定位空间目标的新方法.结合中国科学院空间目标与碎片观测网的光学测角数据进行了实验验证,结果表明,所提方法对Ajisai卫星定位的均方根(RMS)误差小于100 m,对空间碎片CZ-2C R/B定位的RMS误差小于200 m,优于传统的三角视差法.随后,将上述定位结果用于IOD,所得轨道半长轴的误差在1 km左右.     

空间目标天基光学观测的序列图像仿真方法

利用STK和OpenGL,提出了一种能体现空间目标天基光学观测系统真实成像距离和系统性能的序列图像仿真方法。首先建立空间目标的三维模型和轨道模型,利用STK预测目标卫星和观测卫星的相对几何关系,然后在分析相机针孔成像和OpenGL透视投影成像模型关系的基础上,通过设置OpenGL的有关参数生成了包含目标和成像系统信息在内的目标仿真图像,最后生成运动空间目标近距离光学观测的二维图像序列,可为天基空间目标识别研究提供数据基础。     

结合空间和光谱信息的高光谱影像端元光谱自动提取

端元光谱提取是高光谱影像混合像元分解的关键。现有的端元提取方法多是仅利用了影像的光谱信息,忽略了像元间的空间相关性。现有研究基础上,提出了一种结合影像空间和光谱信息的高光谱影像端元光谱自动提取方法(integration of spatial-spectral information based endmember extraction,ISEE)。该方法首先进行影像子空间划分以增强影像局部的光谱信息特征,然后通过特征空间投影分析获得影像候选端元,最后依次在影像空间信息约束下和端元光谱信息约束下进行优化,得到最终的影像端元光谱集。仿真高光谱影像和真实高光谱影像的实验结果表明,结合影像空间和光谱信息的ISEE方法是有效的,且比一些常用方法提取的端元光谱更为准确。     

空间目标材料偏振光学特性研究

基于二向反射模型,对碳纤维、渗碳膜、F46和OSR四种典型的空间目标样本的偏振光谱数据进行测量;通过测算样本Stokes参量获取样品多角度下的线偏振度与偏振角信息,并对其进行统计.结果表明,样本线偏振度和线偏振角的均值、方差之间存在较大差异,对比分析样本均值和方差之间的关系能有效提高目标的探测和识别性能,可以解决传统光谱技术上产生的"同物异谱"和"同谱异物"问题;所获取的偏振特性可为偏振遥感提供更多的光学信息.     

基于光谱信息的空间目标模式识别算法研究

在观测空间目标时,往往会受到地基观测仪器等因素的制约,导致无法利用目标图像信息从外形上进行识别。根据不同空间目标表面组成材料不同,其产生的反射光谱会存在差异这一特性,可利用空间目标特有的光谱信息进行识别分类。基于此,从光谱学角度对空间目标识别算法进行研究,在K最近邻算法(KNN)的基础上,采用了一种自适应权重局部超平面方法(AWKH),算法主要在计算预测样本与超平面距离时加入对特征权重的考虑,构建了以样本特征组间差与组内差的比值作为特征权重值的超平面模型,从而提高了分类效果和分类效率。为验证算法的分类效果,本文进行了四组验证实验,第一组实验将美国地质勘探局数据库中提取出的九种常用材料光谱随机选出三种混合成多类进行识别;第二、三组实验将四种常用空间目标材料的光谱作为纯物质光谱,分别从可见光和近红外波段对其混合物质进行分类;第四组实验通过实测四个方形模型样本六个面的光谱对其进行识别分类。实验过程中将实验结果与目前常用的支持向量机(SVM)进行对比,对比结果表明改进后的AWKH算法在识别精度和样本适用范围上具有更高的优越性。     

Study on the Characteristic of IR Radiation from the Space Target

In this paper, based on the analysis of the thermal environment where the space target embeds and the study of thermal exchanges between the environment and the space target, the mathematics model of the temperature field for the space target is present by using the thermal network method. The temperature and radiant flux of the target surface are calculated, the characteristic of the distribution of temperature and IR radiation from the space target is discussed in detail.     

基于人眼视觉特性的光谱降维模型研究

针对传统光谱降维方法其降维重构后的光谱数据仅是对原始光谱的数学逼近,会出现光谱误差较小但颜色色差较大的缺点,创新性的提出三种将人眼视觉特性与光谱降维相结合的方法。其中,VPCA法直接将光谱光视效率函数加权到原始光谱上再进行降维,LMSPCA方法用LMS视稚响应构建加权矩阵对原始光谱加权后再进行降维,在LMSPCA法中加权矩阵的构建有两种方式,其主要区别在于视稚响应偏差的求取方式不同。方式一中,L,M,S视稚响应偏差是各对应波长上的偏差取绝对值,而方式二中,其偏差是各对应波长上的偏差平方。LMSPCAs法在LMSPCA法基础上再采用PCA(主成分分析)方法对损失的光谱进行降维。实验结果表明VPCA法降维效果较差,LMSPCA法的两种加权矩阵降维效果接近,皆可显著提高降维模型的色度精度,但会降低模型的光谱精度,LMSPCAs法由于针对LMSPCA法因光谱加权引起的光谱损失再进行光谱补偿,其在光谱精度、色度精度以及变光照条件下的色差稳定性这三个方面都能较好地表征原始高维光谱反射率,满足光谱颜色复制的要求。     

喀斯特典型地物混合光谱与复合覆盖度关系研究

喀斯特石漠化是我国西南喀斯特地区面临的主要生态环境问题之一。岩石裸露率以及植被覆盖度是石漠化主要的地面表现特征,也是评价石漠化的关键指标。由于喀斯特地区复杂的地貌情况,使得评价石漠化需要多种地物类型覆盖度信息。该文在实测光谱支持下,构建了系列光谱指数,初步分析了喀斯特地区典型地物混合光谱与复合覆盖度的关系。结果表明,光谱指数与覆盖度的相关性远远高于光谱反射率与覆盖度的相关性。植被指数和绿色植物(photosynthetic vegetation, PV)覆盖度有着很好的线性关系;该文构造的光谱指数和干枯植被覆盖度(non-photosynthetic vegetation, NPV)、土壤覆盖度有着较好的相关性,可决系数分别达0.70和0.73,显示了有估算NPV和土壤覆盖度的潜在能力。而光谱指数和裸岩率的相关系数稍低,最高达0.55,可以提供一定的裸岩率信息。所构建的4种指数形式中,表征光谱吸收特征深度的指数形式和NPV、土壤覆盖度以及裸岩率均拥有最高的相关性。这为高光谱遥感在喀斯特石漠化信息提取的应用进行了初步的探索。     

Interpretation of FTIR Spectra by Principal Components–Artificial Neural Networks

In order to improve the training speed and increase the predictive ability of artificial neural networks, principal component analysis (PCA) and partial least squares (PLS) were introduced to compress the original data. The principal components (PCs) of FTIR spectroscopic data matrix were obtained by PCA and PLS methods respectively, which were used as the inputs of neural networks. Results indicated that improvement was achieved in three aspects when the PCs instead of the original data were input to the networks. First, iterations were distinctly decreased from 8000 to less than 10. Second, computation time was shortened from 34.95 s to less than 1 s. Third, standard error of prediction (%SEP), mean relative error (MRE), and the root mean square error of prediction (RMSEP) decreased by 35% for the singular value decomposition–artificial neural network (SVD‐ANN) and 80% for the nonlinear iterative partial least squares–ANN (NIPALS‐ANN) or so, which means that the predictive ability was improved significantly. In addition, F‐test was introduced to compare the performance of PCA and PLS for compression of original data, and it was shown that the latter model was more efficient. The presented methodologies of variable selection provide a simple and rapid technique for ANN to interpret FTIR spectra accurately and are advantageous to the widespread use of artificial neural networks.     

光谱仪器信噪比与建模波长数对光谱分析精度的影响

为了研究光谱建模分析中光谱仪器噪声和参与建模的波长数两个因素与定量分析精度之间的关系,针对不同信噪比对模型精度的影响、参与建模的波长数与分析精度的关系、不同信噪比波段中多波长参与建模对分析精度的影响三个方面进行了理想样本建模分析。实验结果表明：光谱测量仪器的噪声水平直接影响建模分析误差,而使用多波长尤其是信噪比较好的波段的光谱参与线性建模,近似满足波长数每增加4倍,分析精度提高2倍的关系,能够在一定程度上弥补信噪比的不足。研究为在光谱分析中充分利用和提高光谱仪器信噪比、合理选择参与建模波长数及波段,从而提高光谱定量分析精度提供了实验基础和理论指导。     

多目标跟踪中目标数量准确识别算法

由于场景中存在目标遮挡与重叠的影响,以及检测时产生的分割错误,同一个目标往往被识别为若干运动区域,或者多个目标被识别为同一个运动区域,从而导致目标数量识别错误。为了解决这一问题,提出了一种结合融合与分离操作的理论来分析视频的方法,将多目标跟踪的问题转化成为一个找寻后验极值的问题。采用图论的方法表示观测结果,利用图像序列中目标运动轨迹和外观相似度的信息,将多目标跟踪的问题归结为找寻图中多个最优路径的问题。该方法采用了滑动窗口框架以便统计固定数目帧的信息。实验结果表明该方法能够应对实际中发生的上述现象,达到了准确识别多目标数量的目的。