基于SIRA的红外和可见光图像未爆弹目标配准方法

张子军, 赵旭, 李连鹏, 刘子玉

张子军, 赵旭, 李连鹏, 刘子玉. 基于SIRA的红外和可见光图像未爆弹目标配准方法[J]. 红外技术, 2025, 47(3): 376-384.
引用本文: 张子军, 赵旭, 李连鹏, 刘子玉. 基于SIRA的红外和可见光图像未爆弹目标配准方法[J]. 红外技术, 2025, 47(3): 376-384.
ZHANG Zijun, ZHAO Xu, LI Lianpeng, LIU Ziyu. A Stable Interactive Registration Algorithm-based Infrared and Visible Light Image Registration Method for Unexploded Ordnance Targets[J]. Infrared Technology , 2025, 47(3): 376-384.
Citation: ZHANG Zijun, ZHAO Xu, LI Lianpeng, LIU Ziyu. A Stable Interactive Registration Algorithm-based Infrared and Visible Light Image Registration Method for Unexploded Ordnance Targets[J]. Infrared Technology , 2025, 47(3): 376-384.

基于SIRA的红外和可见光图像未爆弹目标配准方法

基金项目: 

北京市自然科学基金项目 4242036

高动态导航技术北京市重点实验室 

详细信息
    作者简介:

    张子军(1996-),男,硕士研究生,主要从事红外与可见光双模复合探测技术的研究。E-mail:zzjmfjhhd@163.com

    通讯作者:

    赵旭(1988-),男,博士,硕士生导师,清华大学访问学者,主要从事激光红外复合近场探测,导航制导与控制方面的研究。E-mail:zhaoxu@bistu.edu.cn

  • 中图分类号: TP391

A Stable Interactive Registration Algorithm-based Infrared and Visible Light Image Registration Method for Unexploded Ordnance Targets

  • 摘要:

    针对红外和可见光成像技术在未爆弹(Unexploded Ordnance,UXO)探测中图像背景复杂、互信息度低、有效特征点少导致配准困难的问题,在Imregtform算法基础上提出了一种稳定的交互式配准算法(Stable Interactive Registration Algorithm, SIRA)。首先结合Cpselect算法实现图像关键节点的精确配准,通过算术平均聚合作为初始矩阵。同时融合对比度受限自适应直方图均衡化算法(Contrast Limited Adaptive Histogram Equalization, CLAHE)对图像进行自适应分割并均衡化,限制对比度避免过度增强,结合双线性插值保证区域之间的平滑连续,以保证配准迭代过程中的稳定性。引入矩阵弗罗贝尼乌斯接近度(Matrix Frobenius Proximity, MFP)作为配准评估指标,缓解传统评估指标的波动性。实验结果表明,SIRA与Imregtform算法相比,配准效率提升4.72倍,MFP提升15.47倍,该算法对UXO图像配准具有更高的精度与稳定性。

    Abstract:

    A stable interactive registration algorithm (SIRA) based on the Imregtform algorithm is proposed to address issues such as complex image backgrounds, low mutual information, and few effective feature points, leading to registration difficulties in the detection of unexploded ordnance (UXO) using infrared and visible-light imaging techniques. First, the Cpselect algorithm is incorporated to realize the accurate alignment of the key nodes of an image, which are aggregated by arithmetic averaging as the initial matrix. The contrast-limited adaptive histogram equalization (CLAHE) algorithm is incorporated to adaptively segment and equalize the image and avoid contrast over-enhancement, combined with bilinear interpolation to ensure smooth continuity between the regions and a stable iterative alignment process. Matrix Frobenius proximity (MFP) was introduced as an alignment evaluation index to alleviate the volatility of traditional evaluation indices. Experimental results show that SIRA enhanced the alignment efficiency by approximately 4.72× and MFP by 15.47× compared to the Imregtform algorithm. The algorithm exhibited high accuracy and stability for UXO image alignment.

  • 在空间对地观测技术里,基于人造卫星平台上的空间红外相机是空间载荷的重要组成分,空间红外相机作为人造卫星进行探测的“眼睛”,空间红外相机对地表物体、水体等目标反射、辐射、散射出的红外波段辐射进行探测,将收集的红外辐射信息传输到探测器焦平面阵列实现光信号到电信号的转变,再经过后端的电路信号加工处理在计算机终端成像。空间红外光学相机搭载在卫星平台上,拥有特殊的观测位置,能够从空间多维的视角实现对地观测。

    空间光学技术经历了几十年的发展,空间红外相机的技术全方面提高,空间红外载荷从大体积、大质量发展为现在微纳、精密类型,红外载荷的空间分辨率从最初的几十米提升到现在的0.1 m,数据传输方式从最初的胶片返回式传输到现在的在轨实时传输,光谱范围逐渐增大,成像通道数越来越多,发展到高光谱成像技术等。空间红外相机应用十分广泛,根据空间红外相机实际用途与探测对象的特点,空间红外相机可应用于林业监测、农业调查、气象、海洋观测、灾害预防、地形地貌观测、军事成像侦察等领域[1-2]

    本文首先简要阐述胶片返回式空间红外相机技术存在的问题,在此基础上梳理出国内外在轨实时传输型空间红外相机技术的研究现状,并分析了在轨实时传输型空间红外相机的相关技术途径和进展,展望了在轨实时传输型空间红外相机光学技术的发展趋势。

    早期由于技术有限,返回式空间光学载荷搭载于返回式侦察卫星上,在轨完成任务后,又在地面指定着陆点降落,才能获取在轨拍摄到的图像信息。返回式空间光学相机所装配的胶片长度有限,相机所拍摄到的影像数据量就被胶片长度所限制,而且胶片具有易损坏、难保护的缺点。

    胶片返回式空间红外相机存在的问题:

    1)空间红外相机光学系统布局依赖于卫星载荷的空间结构,装调难度大,元件数量多,研制周期长,传递函数较低。

    2)空间红外相机对地观测分辨率较低,焦距较短,元件口径小。

    3)空间红外相机制作成本高,重量、体积偏大,不能与红外探测器高效率集成。

    4)空间红外相机视场窄,探测幅宽较小,不能实时传输。

    随着空间技术不断提高,胶片返回式空间红外相机逐步被在轨实时传输型空间红外相机所取代,现在世界各国普遍发射实时传输型空间红外相机进行侦察照相。欧美等发达国家一直在实时传输型空间红外相机技术方面驱动着航天技术发展,中国等发展中国家也一直不断突破自我,实现技术进步。在轨实时传输型空间红外相机光学技术相较于胶片返回式空间红外光学技术有全方位、多角度提高,当前,空间红外相机技术正在朝着如下技术特点发展:

    1)在远距离对地观测中,提高空间红外光学系统的成像能力,发展自适应光学技术,实现超高空间分辨率。角分辨率公式:

    $$ σ=1.22λ/D $$

    式中:σ为角分辨率;λ为波长;D为光学口径。从上式可知,空间红外光学系统的角分辨率要提高,就需要加大光学元件口径,发展大口径光学元件技术。

    2)减小大口径光学元件的重量,实现光学元件大口径、轻量化、受力稳定、面型高精度。

    3)在满足光学系统调制传递函数(Modulaion Transfer Function,MTF)的前提下,实现可见光、红外波段共口径高空间分辨率成像和多角度、多光谱多元融合成像,并且实现高光谱分辨率。

    综合利用各个光谱段的特性,根据目标的特征信息和天气条件,利用相应的光谱通道进行观测,有利于提高目标识别的准确性。

    4)提高空间红外相机对地观测的视场,增大扫描幅宽,空间红外相机获取的图像信息就越多,时间分辨率就越高。

    5)实现大口径、小中心遮拦比,易于加工装调,空间红外光学系统以折反式为主流。

    6)消除色差、扩大视场、去掉中心遮拦,提高空间红外相机像质,空间红外光学系统以离轴大视场的三反射镜消像散(Three Mirror Anastigmat,TMA)为核心。

    7)针对空间光学载荷轻量化、精密化、小型化的水平,发展智能微纳遥感载荷等。

    空间红外光学系统利用大口径光学元件可以显著提高光学系统的分辨率。美国的KH-12、KH-13军用光学侦察卫星所搭载的空间红外相机被誉为当前世界上分辨率最高的光学载荷,属于能全天候、高分辨率、观测范围广的混合型空间相机。KH-12红外相机采用卡塞格林折反式光学系统,主镜直径达到3 m,瞬时观测幅宽40~50 km,使用红外凝视成像技术,由于大口径光学元件易受宇宙环境和光学系统内部环境变化影响,所以利用自适应光学技术随时对波前变形进行校正,改变镜头焦距,KH-12卫星红外相机在轨高度为300~1000 km,红外谱段对地观测分辨率达到0.6~1 m[3]。美国KH-13卫星红外相机主镜直径达4.2 m,其在轨高度为150 km时,地面成像范围达到150 km,在红外波段可实现高分辨率成像。但是KH-12、KH-13空间红外相机光学系统体积庞大、重量过大,经济、科技成本巨大,所消耗的人力、物力非一般国家能承担。

    国际遥感界将光谱分辨率在λ/10数量级范围称为多光谱,多光谱技术利用地物等目标在不同谱段范围的辐射特性不同,实现复杂的目标检查和成像分析。折反式光学系统相较于折射式光学系统,其反射镜没有色差、二级光谱较小。折反式光学系统已在地面光学系统中应用多年,其加工、装调技术相较于离轴反射式光学系统十分成熟。无论是反射镜面型精度的控制,还是低热膨胀系数镜体材料的选择、加工,支撑结构的传导热、受力设计都已有大量实例参考验证。

    1999年10月14日,资源一号卫星成功发射,资源一号空间相机采用R-C(Ritchey-Chretien)光学系统,有效孔径250 mm,焦距约1000 mm,采用石英玻璃作为镜头材料,镜筒材料为铟钢,扫描幅宽为119 km,短波红外谱段1.55~1.75 μm、2.08~2.35 μm分辨率为78 m,长波红外谱段10.4~12.5 μm分辨率为156 m[4]。资源一号卫星运行轨道高度为778 km,红外相机采用内定标装置和太阳定标装置进行星上定标,短波红外波段采用光伏型碲镉汞探测器,制冷温度达到148 K,长波红外采用光电导型碲镉汞探测器,制冷温度达到105 K,各个探测器像元尺寸均为0.1 mm×0.1 mm。资源一号卫星搭载的红外相机填补了我国星载相机红外波段对地观测的空白,谱段范围涵盖较广,但是装配的探测器像元尺寸过大,空间分辨率不高。资源一号卫星的示意图如图 1所示,其相机性能参数如表 1所示。

    图  1  资源一号卫星示意图
    Figure  1.  Diagram of the ZY-1 satellite
    表  1  资源一号相机性能参数
    Table  1.  Performance parameters of ZY-1 camera
    Performance parameters Value
    Spectral range/μm VIS/NIR: 0.5-0.9;SWIR: 1.55-1.75、2.05-2.35;LWIR: 10.4-12.5
    Width/km 119
    Spatial resolution/m VIS/NIR SWIR: 78 LWIR: 156
    Optical system type R-C
    Aperture/mm 250
    Focal length/mm 1000
    Detector SWIR: Photovoltaic mercury HgCdTe detector
    LWIR: Photoconductance mercury HgCdTe detector
    Refrigeration temperature/K SWIR: 148
    LWIR: 105
    Pixel size/mm 0.1×0.1
    下载: 导出CSV 
    | 显示表格

    2015年12月29号,高分四号卫星发射升空,高分四号卫星空间相机采用折反式光学系统结构,以中波红外谱段为主,利用大口径、长焦距光学系统和大面阵探测器及高速低噪声处理电路实现了较高的空间分辨率和时间分辨率[5]。高分四号红外凝视成像相机在中波红外谱段成像幅宽为400 km×400 km,空间分辨率为400 m[6],时间分辨率最高为5 s;该相机配备了HgCdTe面阵探测器,制冷温度为80 K;可通过卫星姿态机动实现“步进与凝视”成像[7],中波红外谱段既可以单次成像,也可以连续成像,属于中国第一颗地球同步轨道上的高分辨率卫星。高分四号卫星示意图如图 2所示,2016年7月7日,高分四号红外凝视成像相机对首个登陆台风“尼伯特”的观测图如图 3所示,高分四号传感器性能参数如表 2所示。

    图  2  高分四号卫星示意图
    Figure  2.  Diagram of GF-4 satellite
    图  3  台风“尼伯特”观测图
    Figure  3.  Observation of Typhoon 'Nepartak'
    表  2  高分四号传感器性能参数
    Table  2.  Performance parameters of GF-4 sensor
    Performance parameters Value
    Spectral range/μm VIS/NIR: 0.45-0.90
    MWIR: 3.50-4.10
    Spatial resolution/m VIS/NIR: 50
    MWIR: 400
    Width/km 400
    下载: 导出CSV 
    | 显示表格

    从图像可以看到台风眼区丰富的云系结构和分布,眼墙厚实的云与眼区中心因下沉气流导致少云区形成鲜明对比,眼区内从较低和较小的积云到越来越厚实的层积云都清晰可见,对研究台风的发展机理提供了非常好的观测事实。通过高分50 m云图得到的台风定位结果,由于分辨率的提高,精度可从公里级提高到百米量级。

    美国在2021年5月18日发射的地球静止轨道卫星5号(Geostationary Earth Orbit-5, GEO-5)和高椭圆轨道卫星2号(Highly Elliptical Orbit-2, HEO-2)携带的空间红外相机均采用施密特(Schmidt)型望远镜光学系统结构,在红外谱段均涵盖短波红外、中波红外、长波红外波段[8-9];传感器具有扫描成像和凝视成像两种方式,可24 h全天候监测。其红外相机收集的数据使美国军方能够检测导弹发射、支持弹道导弹防御、扩大技术情报收集和加强战场态势感知[10]。一种施密特(Schmidt)型光学系统如图 4所示。

    图  4  施密特型光学系统
    Figure  4.  Schmidt type optical system

    HEO-2载荷相机拍摄到的导弹穿过云层发射的红外卫星图像,如图 5所示[11]

    图  5  HEO-2拍摄导弹穿过云层发射的红外图像
    Figure  5.  Infrared image taken by HEO-2 of missile launching through clouds

    空间红外相机的在轨扫描覆盖宽度称为幅宽,在轨红外相机探测幅宽越大,在其视场角内对地观测的面积越大。目前世界上分辨率较高的美国KH-12、WorldView-3和中国高分5号卫星所携带的空间红外相机幅宽在60 km内,幅宽超过100 km的大幅宽空间红外相机空间分辨率会有所下降。

    2008年9月6号,中国的环境减灾-1B卫星发射上天。环境减灾-1B卫星搭载的红外相机光谱谱段涵盖近红外:0.75~1.1 μm;短波红外:1.55~1.75 μm;中波红外:3.5~3.9 μm;长波红外:10.5~12.5 μm,采用了多元并扫加机械制冷技术,扫描幅宽720 km,满足大视场探测需求,空间分辨率150 m,最低制冷温度可达85 K[12]。近红外波段可用于植物种类鉴别、水体状况监测;短波红外可对植物进行特性监测;中波红外能够对高温事件检测,例:森林火灾;长波红外可用于记录地球热量分布状况[13]。环境减灾-1B卫星代表了中国遥感小卫星发展的新阶段,实现了大视场对地探测,但是其空间分辨率不高。环境减灾-1B卫星红外相机性能参数由表 3所示。

    表  3  环境减灾-1B卫星空间相机性能参数
    Table  3.  Performance parameters of HJ-1B satellite space camera
    Performance parameters Value
    Spatial resolution/m 150
    Spectrum number 4
    Width/km 720
    Spectral range/μm NIR: 0.75-1.1
    SWIR: 1.55-1.75
    MWIR: 3.5-3.9
    LWIR: 10.5-12.5
    下载: 导出CSV 
    | 显示表格

    欧洲航天局发射的GEO-Oculus卫星所携带的空间红外相机光学系统主镜采用面型精度较高SiC材料制备,主镜直径为1.5 m,整机尺寸3.5 m×2.3 m×2.3 m,该相机质量606 kg,功耗为500 W,在红外谱段成像幅宽为300 km×300 km,在近红外谱段空间分辨率21 m,短波和中波红外空间分辨率150 m,热红外空间分辨率375 m。中波红外和长波红外谱段采用结合HgCdTe或AlGaAs/GaAs量子阱探测器[14],中波红外制冷130 K,热红外制冷50 K;每个焦平面前都有滤光轮用于滤波处理。主要用于海洋监测、森林火灾监测、陆地安全监视,以及环境监测等地球观测应用[15]。GEO-Oculus卫星所携带的空间相机性能参数由表 4所示。

    表  4  GEO-Oculus卫星空间相机性能参数
    Table  4.  Performance parameters of the GEO-Oculus satellite space camera
    Performance parameters Value
    Mass/kg 606
    Power/W 500
    Spatial resolution/m Visible light: 21
    NIR: 21
    SWIR\MWIR: 150
    LWIR: 375
    Width/km VIS/NIR: 157×157
    Other spectrum: 300×300
    MTF 0.098-0.117
    Radiation resolution/(bit/pixel) 18
    Optical system type korsch
    Detector pixels VIS/NIR: 10000×10000
    MWIR: 2000×2000
    LWIR: 800×800
    下载: 导出CSV 
    | 显示表格

    随着空间光学技术的发展,要求空间红外相机的体积、重量减小的同时,增加光学系统的视场、能量收集率,并且针对杂散光进行有效抑制。空间红外相机要采集高质量图像就要采用大口径元件,传统的折反式光学系统带来的遮拦比会减小光学系统收集的能量,离轴三反消色散光学系统在光机设计时可以有效减小光学系统设计时的体积、重量,具有能量利用率高、无中心遮拦等优点。

    德国的EnMAP卫星高光谱成像仪光学系统采用离轴三反式光学系统,焦距0.5224 m,F数3;EnMAP高光谱成像仪采用堆扫成像模式,幅宽为30 km,在可见光/近红外光谱谱段和短波红外光谱谱段以2.63°视场角实现空间分辨率30 m[16];该成像仪SWIR采用制冷型探测器,工作温度150 K[17]。EnMAP卫星高光谱成像仪性能参数如表 5所示,德国EnMAP卫星工作扫描如图 6所示。

    表  5  EnMAP卫星高光谱成像仪性能参数
    Table  5.  Performance parameters of EnMAP satellite hyperspectral imager
    Performance parameters Value
    Spectral range/NM VIS/NIR: 420-1000
    SWIR: 900-2450
    Spectral resolution/nm VIS/NIR: 6.5,SWIR: 10
    Spatial resolution/m 30
    width/km 30
    Radiation resolution/(bit/pixel) 14
    Optical system type TMA
    Field of view/° 2.63
    Aperture/m 0.174
    Focal length/m 0.5224
    F number 3.0
    Signal-to-noise ratio VIS/NIR: > 400,SWIR: > 150
    下载: 导出CSV 
    | 显示表格
    图  6  EnMAP工作扫描图
    Figure  6.  Diagram of EnMAP working scan

    2016年,日本ALOS-3陆地观测卫星发射升空。ALOS-3携带的高光谱成像仪(Hyperspectral Sensor, HSS)采用TMA型光学系统,F数2.2;该相机成像光谱有可见光/近红外谱段和短波红外谱段,可见光/近红外谱段范围400~970 nm,采用CMOS成像器件,光谱分辨率为10 nm;短波红外谱段范围900~2500 nm,采用HgCdTe探测器,光谱分辨率为12.5 nm;成像幅宽为30 km,对地探测分辨率为30 m,MTF在截止频率内大于0.2[18-19]。ALOS-3携带的高光谱成像仪性能参数如表 6所示。

    表  6  ALOS-3携带的HSS性能参数
    Table  6.  HSS performance parameters carried by ALOS-3
    Performance parameters Value
    Spatial resolution/m 30
    Width/km 30
    Spectral range/nm VIS/NIR: 400-970
    SWIR: 900-2500
    Spectral resolution/nm VIS/NIR: 10   SWIR: 12.5
    Optical system type TMA
    Signal-to-noise ratio > 300
    MTF > 0.2
    Radiation resolution/(bit/pixel) 12
    Detector VIS/NIR: CMOS
    SWIR: HgCdTe
    下载: 导出CSV 
    | 显示表格

    2019年9月12日,资源一号02D卫星发射升空,资源一号02D卫星携带的高光谱相机(advanced hyperspectral imager,AHSI)也采用TMA光学系统,光谱范围为0.4~2.550 μm,帧频为250帧/s,光学系统F数为2.83,对地探测幅宽为60 km,空间分辨率为30 m,可见光/近红外谱段光谱分辨率为10 nm,短波红外波段光谱分辨率为20 nm;采用Offner结构凸面光栅分光技术将可见光和短波红外分开,按照不同波长散射成像于光谱仪的面阵探测器上[20],AHSI针对短波红外谱段配置4个国产Si基HgCdTe 512×512焦平面器件,通过“品字型”拼接,获得2000×512的红外焦平面探测器;制冷机对短波红外焦平面进行制冷冷却,AHSI利用高光谱技术可以进行对地观测,实现对地面目标全面的辐射、光谱等信息监测,可在国土环境监测、资源勘查、农林渔牧等领域发挥重大作用。图 7是资源一号02D卫星示意图,图 8为高光谱相机对天津港拍摄的伪彩色合成图像。资源一号02D卫星携带的高光谱相机性能指标见表 7

    图  7  资源一号02D卫星示意图
    Figure  7.  Diagram of ZY-02D satellite
    图  8  天津港的伪彩色合成图
    Figure  8.  False-color composite of Tianjin Port
    表  7  高光谱相机性能参数
    Table  7.  Performance parameters of hyperspectral camera
    Performance parameters Value
    Spectral range/μm 0.4-2.5
    Spectrum number 166
    Spatial resolution/m 30
    Width/km 60
    Digitalizing bit/ bits 12
    Spectral resolution/nm VIS/NIR:
    10 nm(total 76 spectral numbers)
    SWIR:
    20 nm(total 90 spectral numbers)
    下载: 导出CSV 
    | 显示表格

    空间光学技术经过近几十年来的发展,出现了高光谱技术,国际遥感界将光谱分辨率在λ/100的遥感信息称之为高光谱遥感[21]。搭载在卫星平台上的空间红外相机,在多个谱段范围内,以数十至数百个连续且细分的光谱波段对目标区域同时成像。空间红外相机将目标的图像和光谱信息进行融合,会极大地提高了信息的丰富程度。

    高光谱空间光学技术相较于多光谱的新特点:

    1)光谱分辨率高:一般小于10 nm;

    2)光谱通道多:可以为每个像元提高几十到数百个光谱通道;

    3)可利用精细的光谱信息更好地进行地物分析。

    2018年5月9号,中国科学院上海技术物理研究所研制的可见光短波红外高光谱相机AHSI(the advanced hyperspectral imager)和北京空间机电研究所研制的大气环境红外甚高光谱分辨率探测仪和全谱段光谱成像仪搭载于高分五号卫星发射升空[22]

    可见短波红外高光谱相机能够在谱段范围400~2500 nm内的330个光谱通道获取图像,探测幅宽为60 km,空间分辨率30 m,光谱分辨率10 nm[23]。可见光短波红外相机性能参数如表 8所示,高分五号卫星示意图如图 9所示。

    表  8  可见光短波红外高光谱相机性能参数
    Table  8.  Performance parameters of AHSI
    Performance parameters Value
    Spectral range/μm 0.4-2.5
    Spatial resolution/m 30
    width/km 60
    Spectral resolution/nm VIS/NIR:5
    SWIR:10
    下载: 导出CSV 
    | 显示表格
    图  9  高分五号卫星示意图
    Figure  9.  Diagram of GF-5 satellite

    大气环境红外甚高光谱分辨率探测仪探测谱段范围为2.4~13.3 μm,光谱分辨率为0.03 cm-1,可以实现大气圈8~100 km内的大气成分高光谱分辨率、高信噪比和宽波段范围的精细光谱探测[24-26],是国内目前光谱分辨率最高的星上载荷。它可用于大气成分数据精细分析、气象和气候探测,满足大气环境、大气科学研究以及对气象和气候变化的监测需求[25]。全谱段光谱成像仪性能参数如表 9所示。

    表  9  全谱段光谱成像仪性能参数
    Table  9.  Performance parameters of full-spectrum spectral imager
    Performance parameters Value
    Spectral range/μm 0.45-0.52
    0.52-0.60
    0.62-0.68
    0.76-0.86
    1.55-1.75
    2.08-2.35
    3.50-3.90
    4.85-5.05
    8.01-8.39
    8.42-8.83
    10.3-11.3
    11.4-12.5
    Spatial resolution 20 m(0.45-2.35 μm)
    40 m(3.5-12.5 μm)
    Width/km 60
    下载: 导出CSV 
    | 显示表格

    在高光谱分辨率空间载荷里,德国的EnMAP高光谱成像仪光谱分辨率达到9.3 nm,日本的ALOS-3空间相机光谱分辨率达到10 nm,意大利的PRIMSA-HSI光谱分辨率小于12 nm,以上均为世界较高水平的光谱分辨率空间载荷。高分5号搭载的红外光学载荷实现了高光谱、多谱段、高分辨率成像,意味着中国的空间光学技术进一步提升了,逐步缩小与发达国家的空间光学技术水平,走向世界星载相机技术前列。

    过往的空间载荷设计体积和质量都过于庞大,近年来,空间载荷依托以提高“功能密度”为核心的系统小型化[27]、轻量化和低功耗等技术,旨在发展微纳遥感卫星,在完成预定功能的前提下,尽可能减小卫星的体积、质量和功耗,提高卫星的可靠性,节约成本、能量。

    2019年3月21日,意大利航天局研制的PRIMSA高光谱卫星发射升空。PRIMSA高光谱卫星携带的空间相机整机外形图如图 10所示,PRIMSA卫星携带的空间相机性能参数如表 10所示。

    图  10  PRIMSA空间相机布局图
    Figure  10.  Layout of PRIMSA space camera
    表  10  Primsa高光谱成像仪性能参数
    Table  10.  Performance parameters of Primsa hyperspectral imager
    Performance parameters Value
    Size/m 0.77×0.59×0.78
    Mass/kg < 90
    Spatial resolution/m Visible spectral: 5;
    Hyperspectral: 30
    Width/km 30
    Spectral range/nm Visible spectral: 400-700;
    VIS/NIR: 400-1010;
    SWIR: 920-2505
    Optical system type TMA
    Aperture/m 0.21
    Focal length/m 0.62
    Radiation resolution/(bit/pixel) 12
    Signal-to-noise ratio (average) Visible spectral > 240;
    VIS/NIR > 200;SWIR > 100
    Detector pixels Visible spectral: 6000;
    hyperspectral: 1000×256
    Pixel size/μm Visible spectral: 6.5;
    Hyperspectral: 30
    下载: 导出CSV 
    | 显示表格

    整机尺寸为770 mm×590 mm×780 mm,重量不足90 kg。PRISM高光谱成像仪在轨高度620 km,具有239个波段通道,波段成像范围0.4~2.5 μm,光谱分辨率低于12 nm,空间分辨率为30 m,影像幅宽为30 km。PRISM高光谱成像仪也是采用TMA光学结构,焦距620 mm,配置1000×256元探测器,像元尺寸为30 μm×30 μm。主要用于欧洲和地中海区域的环境保护、可持续发展、气候变化等应用[28]

    在空间红外相机的设计参数层面,各国正在加大对空间红外相机的投入,发射升空的星载红外相机的数量越来越多,星载红外相机的光谱范围、空间分辨率、谱段数、光谱分辨率、幅宽等参数不断提高,尤其是谱段数和光谱分辨率在整个发展趋势中最为明显。随着科技的发展,卫星的体积、重量都过于庞大,将其发射升空所需人力、物力成本十分昂贵,为了节约成本,提高卫星发射、工作效率,空间载荷朝着遥感小卫星方向发展。当前,美国在空间红外相机技术处于领先者的地位,国内空间红外相机技术起步较晚,但中国航天事业飞速发展,空间红外光学载荷技术一直向提高光谱分辨率、波段数与幅宽等方面努力,尤其是在空间分辨率方面具有较大提升。相信随着中国科技、经济实力的进步,中国的高分空间红外相机技术一定会不断突破,取得非凡成就。

    针对空间红外相机技术发展及应用的总结:

    1)空间红外相机正在向小F数、大视场、高光谱分辨率、大幅宽、高度集成、全数字、微纳低成本、分辨率突破厘米级,接近近景成像水平方向发展;

    2)相机技术与功能高度集成,实现更多光谱融合,将线阵、面阵、多面阵红外探测器件高度集成;

    3)随着高速测算电路的发展,同时星上数据传输方式更为快捷,时效性更高,甚至在星上可以实现自动处理;

    4)空间红外相机搭载于卫星,采用分布式星座布局,能实现对全球范围内多层次、多视角的立体侦察,提高星载相机时间分辨率,形成星上互联的高光谱卫星综合观测体系;

    5)积极发展微纳、性价比高和可应急发射的军民两用的高分辨率空间红外相机,可以使其商业价值、军事价值显著提升;

    6)空间红外相机逐步综合化、功能化,拓广监测范围、增强环境适应性、加大采集数据量、提高实时性,可以对农林渔牧业等不同领域,海洋、陆地、大气等不同环境进行实时的长期监测和数据传输。

  • 图  1   采集设备及目标物

    Figure  1.   Acquisition equipment and targets

    图  2   数据集示例

    Figure  2.   Example of the dataset

    图  3   UXO的ROI示意图

    Figure  3.   The ROI schematic of UXO

    图  4   ROI应用实例

    Figure  4.   ROI application example

    图  5   SIRA算法流程图

    Figure  5.   SIRA algorithm flow chart

    图  6   计算初始矩阵

    Figure  6.   Initial matrix computation

    图  7   参数评估结果

    Figure  7.   Parameter evaluation results

    图  8   CLAHE算法

    Figure  8.   CLAHE algorithm

    图  9   参数优化实验结果

    Figure  9.   Parameter optimization experiment results

    图  10   综合性实验结果

    Figure  10.   Results of the integrated experiment

    图  11   CLAHE评估实验结果

    Figure  11.   The evaluation experiment results of CLAHE

    表  1   实验设计

    Table  1   Experimental design

    Group Registration strategy
    Basic Only perform Imregtform registration
    Initial matrix Only add initial matrix
    CLAHE Only incorporate the CLAHE
    SIRA Use the SIRA algorithm
    下载: 导出CSV

    表  2   最优参数配置

    Table  2   Optimal parameter configuration

    Group Initial
    radius
    Epsilon Maximum
    iterations
    Basic 0.00005 1e-8 200
    CLAHE 0.00001 1e-7 150
    Initial matrix 0.00001 1e-8 50
    SIRA 0.00001 1e-7 50
    下载: 导出CSV
  • [1]

    Sigiel N, Chodnicki M, Socik P, et al. Automatic classification of unexploded ordnance (UXO) based on deep learning neural networks (DLNNS)[J]. Polish Maritime Research, 2024, 31(1): 77-84. DOI: 10.2478/pomr-2024-0008

    [2] 徐建国, 丁凯, 李阳明. 未爆弹药探测技术发展现状及思考[J]. 中国公共安全, 2020(4): 176-178.

    XU Jianguo, DING Kai, LI Yangming. Development status and thinking of unexploded ammunition detection technology[J]. Public Security in China, 2020(4): 176-178.

    [3]

    International Campaign to Ban Landmines. Landmine Monitor 2023[R]. Geneva: ICBL-CMC, 2023(11): 1-4.

    [4] 陈栋, 闫小伟, 石胜斌. 地表未爆子弹药检测与识别定位技术研究综述[J]. 航空兵器, 2023, 30(5): 1-10.

    CHEN Dong, YAN Xiaowei, SHI Shengbin. A review of research on detection and identification of unexploded ammunition on the ground[J]. Aviation Weaponry, 2023, 30(5): 1-10.

    [5] 刘子玉, 赵旭, 李连鹏, 等. 基于NGG-YOLOv5的空对地UXO目标检测方法[J]. 电光与控制, 2024, 31(3): 70-74.

    LIU Ziyu, ZHAO Xu, LI Lianpeng, et al. Air-to-ground UXO target detection method based on NGG-YOLOv5[J]. Electro-Optics & Control, 2024, 31(3): 70-74.

    [6] 陆子渊, 何勇, 卞雷祥, 等. 基于一发多收线圈阵列的频域电磁法未爆弹探测技术[J]. 电子测量与仪器学报, 2023, 37(5): 79-87.

    LU Ziyuan, HE Yong, BIAN Leixiang, et al. Frequency domain electromagnetic unexploded bomb detection technology based on multiple-receive coil array[J]. Journal of Electronic Measurement and Instrumentation, 2023, 37(5): 79-87.

    [7] 薄瑞, 张志杰, 陈昊泽. 一种新型未爆弹探测传感器的仿真研究[J]. 传感技术学报, 2022, 35(2): 171-178.

    BO Rui, ZHANG Zhijie, CHEN Haoze. Simulation study of a new type of unexploded bomb detection sensor[J]. Journal of Sensor Technology, 2022, 35(2): 171-178.

    [8] 郝彤, 赵杰. 面向双曲线形态的探地雷达图像识别技术综述[J]. 电子学报, 2019, 47(6): 1366-1372.

    HAO Tong, ZHAO Jie. A review of ground penetrating radar image recognition technology for hyperbolic morphology[J]. Journal of Electronics, 2019, 47(6): 1366-1372.

    [9] 代牮, 赵旭, 李连鹏, 等. 基于改进YOLOv5的复杂背景红外弱小目标检测算法[J]. 红外技术, 2022, 44(5): 504-512. http://hwjs.nvir.cn/article/id/f71aa5f4-92b0-4570-9056-c2abd5506021

    DAI Jian, ZHAO Xu, LI Lianpeng, et al. Infrared weak small target detection algorithm in complex background based on improved YOLOv5[J]. Infrared Technology, 2022, 44(5): 504-512. http://hwjs.nvir.cn/article/id/f71aa5f4-92b0-4570-9056-c2abd5506021

    [10]

    WU Yanfeng, WANG Yanjie, SUN Haijiang, et al. LSS-target detection in complex sky backgrounds[J]. Chinese Optics, 2019, 12(4): 853-865.

    [11] 韩自强, 岳明凯, 张骢, 等. 基于孪生网络的无人机目标多模态融合检测[J]. 红外技术, 2023, 45(7): 739-745. http://hwjs.nvir.cn/article/id/2375ef51-29bd-4800-b016-889b652e1674

    HAN Ziqiang, YUE Mingkai, ZHANG Cong, et al. Multimodal fusion detection of UAV targets based on twin networks[J]. Infrared Technology, 2023, 45(7): 739-745. http://hwjs.nvir.cn/article/id/2375ef51-29bd-4800-b016-889b652e1674

    [12]

    Erin L, Rongjun Q, Jared E, et al. Crater detection from commercial satellite imagery to estimate unexploded ordnance in Cambodian agricultural land[J]. PloS, 2020, 15(3): 1-22. http://www.socolar.com/Article/Index?aid=100080575198&jid=100000000003

    [13]

    Ahmed B, Ishan B, Krishan K, et al. A comprehensive review on landmine detection using deep learning techniques in 5G environment: open issues and challenges[J]. Neural Computing and Applications, 2022, 34(24): 21657-21676. DOI: 10.1007/s00521-022-07819-9

    [14] 职玉, 朱娟娟, 刘锐, 等. 应用特征轮廓四边形的热红外图与可见光图配准[J]. 红外与激光工程, 2021, 50(S2): 171-180.

    ZHI Yu, ZHU Juanjuan, LIU Rui, et al. Registration of thermal infrared image and visible light image using feature contour quadrilateral[J]. Infrared and Laser Engineering, 2021, 50(S2): 171-180.

    [15]

    Chiliaeva V, Almansa A, Ferrec Y, et al. Impact of image registration errors on the quality of hyperspectral images in imaging static Fourier transform spectrometry[J]. Optics Express, 2024, 32(5): 7012-7029.

    [16]

    WEI G, CHEN H, LIN E, et al. Identification of water layer presence in paddy fields using UAV-based visible and thermal infrared imagery[J]. Agronomy, 2023, 13(7): 1932.

    [17]

    TAO S. Multi-sensor remote sensing image alignment based on fast algorithms[J]. Journal of Intelligent Systems, 2023, 13(7): 1932.

    [18]

    JIA W G, GANG L, MENG Z L. Damage detection for rotating blades using digital image correlation with an AC-SURF matching algorithm[J]. Sensors, 2022, 22(21): 8110-8110. http://www.keyanzhidian.com/doc/detail?id=2073189445

    [19]

    CHENG M, ZHANG L, LIU L. An augmented reality image registration method based on improved ORB[J]. Journal of Physics Conference Series, 2020, 1544(1): 012113.

    [20]

    LIANG Z, YANLEI D, HUIPING L, et al. A novel region-based image registration method for multisource remote sensing images Via CNN[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2021(14): 1821-1831.

    [21]

    SHENG L, XIU L, ZHEN H G. An adaptive region-based transformer for nonrigid medical image registration with a self-constructing latent graph[J]. IEEE Transactions on Neural Networks and Learning Systems, 2023(7): 1-15.

    [22] 王程, 王巍, 杨馨, 等. 基于区域特征优化及边缘增强的多聚焦图像融合[J]. 计算机技术与发展, 2024, 34(4): 62-69.

    WANG Cheng, WANG Wei, YANG Xin, et al. Multi-focus image fusion based on regional feature optimization and edge enhancement[J]. Computer Technology and Development, 2024, 34(4): 62-69.

    [23] 石雪, 陈进琥, 李洪升, 等. 基于感兴趣窄带区域的同步分割与配准方法及在IGRT中的应用[J]. 自动化学报, 2015, 41(9): 1589-1600.

    SHI Xue, CHEN Jinhu, LI Hongsheng, et al. Synchronous segmentation and registration method based on narrowband region of interest and its application in IGRT[J]. Acta Automatica Sinica, 2015, 41(9): 1589-1600.

    [24] 回丙伟, 宋志勇, 范红旗, 等. 地/空背景下红外图像弱小飞机目标检测跟踪数据集[J]. 中国科学数据(中英文网络版), 2020, 5(3): 291-302.

    HUI Bingwei, SONG Zhiyong, FAN Hongqi, et al. A dataset for detecting and tracking small aircraft targets in infrared images under/air backgrounds[J]. Chinese Science Data (Chinese and English online version), 2020, 5(3): 291-302.

    [25]

    Hossain M S, Shahriar G M, Syeed M M M, et al. Region of interest (ROI) selection using vision transformer for automatic analysis using whole slide images[J]. Scientifc Reports, 2023(13): 11314.

    [26] 郑晓俊, 郇中丹, 刘君. 图像配准中方向场正则化模型的适定性和收敛性[J]. 数学学报, 2021, 64(3): 385-404.

    ZHENG Xiaojun, XUN Zhongdan, LIU Jun. Well-posedness and convergence of the orientation field regularization model in image registration[J]. Acta Mathematica Sinica, 2021, 64(3): 385-404.

    [27] 刘玉婷, 陈峥, 付占方, 等. 基于CLAHE的红外图像增强算法[J]. 激光与红外, 2016, 46(10): 1290-1294.

    LIU Yuting, CHEN Zheng, FU Zhanfang, et al. Infrared image enhancement algorithm based on CLAHE[J]. Laser & Infrared, 2016, 46(10): 1290-1294.

  • 期刊类型引用(2)

    1. 周双喜,李璐芳,喻琪超,孙胜利,林长青,李云飞. 基于ASIC和FPGA的可扩展红外信息获取架构设计. 系统工程与电子技术. 2025(04): 1057-1066 . 百度学术
    2. 张关应,束云豪,赵宇嘉,候姝斌,李庆武. 红外与可见光图像特征引导融合的电力线检测方法. 应用科技. 2024(05): 66-72 . 百度学术

    其他类型引用(3)

图(11)  /  表(2)
计量
  • 文章访问数:  44
  • HTML全文浏览量:  7
  • PDF下载量:  15
  • 被引次数: 5
出版历程
  • 收稿日期:  2024-06-09
  • 修回日期:  2024-08-13
  • 刊出日期:  2025-03-19

目录

/

返回文章
返回
x 关闭 永久关闭

尊敬的专家、作者、读者:

端午节期间因系统维护,《红外技术》网站(hwjs.nvir.cn)将于2024年6月7日20:00-6月10日关闭。关闭期间,您将暂时无法访问《红外技术》网站和登录投审稿系统,给您带来不便敬请谅解!

预计6月11日正常恢复《红外技术》网站及投审稿系统的服务。您如有任何问题,可发送邮件至编辑部邮箱(irtek@china.com)与我们联系。

感谢您对本刊的支持!

《红外技术》编辑部

2024年6月6日