CN108073783B - 一种基于测量数据的自适应智能光学载荷实现方法 - Google Patents

一种基于测量数据的自适应智能光学载荷实现方法 Download PDF

Info

Publication number
CN108073783B
CN108073783B CN201711275018.2A CN201711275018A CN108073783B CN 108073783 B CN108073783 B CN 108073783B CN 201711275018 A CN201711275018 A CN 201711275018A CN 108073783 B CN108073783 B CN 108073783B
Authority
CN
China
Prior art keywords
load
signal
threshold value
noise ratio
parameters
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201711275018.2A
Other languages
English (en)
Other versions
CN108073783A (zh
Inventor
周佳巧
崔文楠
张涛
夏鲁瑞
黄夏阳
陈泉润
李慕锴
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Institute of Technical Physics of CAS
Original Assignee
Shanghai Institute of Technical Physics of CAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Institute of Technical Physics of CAS filed Critical Shanghai Institute of Technical Physics of CAS
Priority to CN201711275018.2A priority Critical patent/CN108073783B/zh
Publication of CN108073783A publication Critical patent/CN108073783A/zh
Application granted granted Critical
Publication of CN108073783B publication Critical patent/CN108073783B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
    • G16Z99/00—Subject matter not provided for in other main groups of this subclass

Landscapes

  • Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Photometry And Measurement Of Optical Pulse Characteristics (AREA)

Abstract

本发明公开了一种基于测量数据的自适应智能光学载荷的实现方法。该智能载荷方案实现的关键在于自适应调整载荷参数。其主要流程为：载荷系统接收任务需求后，通过在多种平台和不同环境背景下建立的载荷参数库设定初步参数，根据自主数据处理系统对测量数据的分析计算，调整载荷的参数，直到达到最佳成像模式，进行目标的探测与识别。本发明优点在于该智能载荷的实现具有保证探测任务的完成质量、减少设备数量、缩小系统开销，有效提高系统的工作效率。

Description

一种基于测量数据的自适应智能光学载荷实现方法
技术领域
本发明涉及卫星光学载荷实现多种类不同目标探测与识别，适用于军事探测领域。
背景技术
有效载荷是航天器上装载的为直接实现航天器在轨运行要完成的特定任务的仪器、设备、人员、试验生物及试件等。载荷可用与目标探测，信息获取，信息传输，随着任务需求的不同而不同。
传统载荷大多只针对单一的专项任务进行设计，载荷系统在探测过程中，存在各种突发任务和随时变化的观测环境及观测对象。而卫星载荷研制发射后其指标就基本一成不变，无法根据观测目标、观测任务和载荷的不同，对观测任务进行自主优化。
因此传统载荷已经不能满足军事探测实际应用中日益增长的高时效性、精确获取以及多样化的需求，未来战场需要一个载荷实现多种任务融合，兼顾多种类不同目标探测与识别。
发明内容
本发明公开了一种基于测量数据的自适应智能光学载荷的实现方法。
自适应智能光学载荷的实现的关键在于可根据不同的任务需求自适应智能调参。考虑天基、空基、地基等多种平台下，不同地域地貌、季节气候和环境变化等因素，针对不同目标的载荷参数，建立全面完善的目标特性数据库和载荷参数数据库。载荷系统接收任务需求后，通过载荷参数库设定初步参数，根据自主数据处理系统对测量数据的分析计算，调整载荷的参数，直到达到最佳成像模式，进行目标的探测与识别。
自适应智能调参流程图如图1所示，调参步骤主要为：
1)载荷系统接收到任务需求后，在已建立的载荷参数库进行检索。对于载荷参数库中已存在任务需求案例，可直接按参数库设定载荷参数；
2)如不存在，初步设置光学系统参数；
首先利用傅里叶分光技术选择波段，以综合信噪比最大为波段选择原则，波段选择的流程图如图2所示。利用傅里叶光谱仪获得全波段的探测光谱，然后可以计算出不同起止波长的综合信噪比，得到综合信噪比曲线图，并以综合信噪比峰值的0.7倍设为阈值，对综合信噪比的图进行阈值分割，获得较优的探测波段区间。综合信噪比(SSNR)定义为：
Figure GDA0002934379770000021
其中IT(λ)为目标信号强度，IB(λ)为背景的信号强度，σD(λ)为成像系统的噪声标准差；
再将光学系统的口径设为最大使得入瞳能量较大；积分时间和增益设为最大，收集能量较多；焦距设为最小，视场较大；
3)初步设定好参数后，进行目标的探测，判断探测结果是否达到最佳成像模式。自适应调整达到最佳成像模式的最优阈值Topt：对于不同的探测目标，选择合适的评价函数，在不同背景噪声及不同成像系统噪声情况下，调整阈值，使得成像清晰，记为该情况下的Topt。根据计算数据对最优阈值Topt与噪声各参量之间的关系进行拟合，得到拟合公式；
4)未达到最佳成像模式的阈值，需对参数进行细调。载荷参数细条的流程图如图3所示；①如果信号饱和，波段、阈值、积分时间、增益参数不变，减小口径；如果信号继续饱和，减小增益，直到综合信噪比合适；②如果背景信号偏大，适当减小口径，直到综合信噪比合适；③如果噪声偏大，减小积分时间、增益，直到综合信噪比合适；
5)经过上述的参数调整后，达到合适的综合信噪比，然后调整焦距，确定目标准确位置；自动调焦利用引入阈值的爬山搜索算法寻找最佳对焦位置，引入阈值T可克服波动局部峰的干扰，函数变化量为Δ＝f(n)-f(n-1)。若Δ＜T，认为变化不明显，继续搜索，阈值的选取可设为2倍的噪声标准差。
附图说明
图1为智能载荷实现总体流程图。
图2为波段选择流程图。
图3为智能载荷参数细条流程图。
具体实施方式
下面结合实例对本发明作进一步详细的说明。
假设任务需求为探测隐身飞机，在载荷参数库检索，参数库未有相似案例，自适应调参启动。载荷接收入射光后分为两路，一路通过傅里叶成像光谱仪成像，获得全波段的探测光谱，在8～12μm波段范围内辐射能量最高，经数据处理器处理后选择最佳探测波段。
另一路光通过光学系统和探测器成像，通过数据处理器对综合信噪比和图像清晰度评价，判断图像是否达到最佳成像模式，并做出调参决策，对光学系统和探测器进行参数调整。直到图像达到最佳成像模式为止，数据处理器对图像进行识别及进一步的任务需求。

Claims (1)

1.一种基于测量数据的自适应智能光学载荷的实现方法，其特征在于包括以下步骤：
1)载荷系统接收到任务需求后，在已建立的载荷参数库进行检索；对于载荷参数库中已存在任务需求案例，可直接按参数库设定载荷参数；
2)如不存在，初步设置光学系统参数；
首先利用傅里叶分光技术选择波段，以综合信噪比最大为波段选择原则；利用傅里叶光谱仪获得全波段的探测光谱，然后可以计算出不同起止波长的综合信噪比，得到综合信噪比曲线图，并以综合信噪比峰值的0.7倍设为阈值，对综合信噪比的图进行阈值分割，获得较优的探测波段区间；综合信噪比(SSNR)定义为：
Figure FDA0002934379760000011
其中IT(λ)为目标信号强度，IB(λ)为背景的信号强度，σD(λ)为成像系统的噪声标准差；
再将光学系统的口径设为最大使得入瞳能量较大；积分时间和增益设为最大，收集能量较多；焦距设为最小，视场较大；
3)进行目标的探测，判断探测结果是否达到最佳成像模式；自适应调整达到最佳成像模式的最优阈值Topt：对于不同的探测目标，选择合适的评价函数，在不同背景噪声及不同成像系统噪声情况下，调整阈值，使得成像清晰，记为该情况下的Topt；根据计算数据对最优阈值Topt与噪声各参量之间的关系进行拟合，得到拟合公式；
4)未达到最佳成像模式的阈值，需对参数进行调整；①如果信号饱和，波段、阈值、积分时间、增益参数不变，减小口径；如果信号继续饱和，减小增益，直到综合信噪比合适；②如果背景信号偏大，适当减小口径，直到综合信噪比合适；③如果噪声偏大，减小积分时间、增益，直到综合信噪比合适；
5)经过上述的参数调整后，达到合适的综合信噪比，然后调整焦距，确定目标准确位置；自动调焦利用引入阈值的爬山搜索算法寻找最佳对焦位置，引入阈值T可克服波动局部峰的干扰，阈值可设置为2倍噪声标准差。
CN201711275018.2A 2017-12-06 2017-12-06 一种基于测量数据的自适应智能光学载荷实现方法 Active CN108073783B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711275018.2A CN108073783B (zh) 2017-12-06 2017-12-06 一种基于测量数据的自适应智能光学载荷实现方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711275018.2A CN108073783B (zh) 2017-12-06 2017-12-06 一种基于测量数据的自适应智能光学载荷实现方法

Publications (2)

Publication Number Publication Date
CN108073783A CN108073783A (zh) 2018-05-25
CN108073783B true CN108073783B (zh) 2021-06-15

Family

ID=62157950

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711275018.2A Active CN108073783B (zh) 2017-12-06 2017-12-06 一种基于测量数据的自适应智能光学载荷实现方法

Country Status (1)

Country Link
CN (1) CN108073783B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109032585B (zh) * 2018-05-30 2020-10-20 北京航空航天大学 数字卫星光学载荷成像源程序的人工智能书写方法
CN112565593B (zh) * 2020-11-23 2021-10-15 中国科学院西安光学精密机械研究所 一种针对空间调焦机构的动态可靠性分析方法
CN112616027A (zh) * 2020-12-11 2021-04-06 中国科学院软件研究所 一种自动规划成像方法及装置
CN112817118B (zh) * 2021-01-18 2021-12-31 中国科学院上海技术物理研究所 一种红外自动对焦快速搜索方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101288013A (zh) * 2005-09-19 2008-10-15 Cdm光学有限公司 基于任务的成像系统
CN102508232A (zh) * 2011-10-20 2012-06-20 黄安祥 基于多源探测的空中隐身目标探测的方法
CN103576165A (zh) * 2013-11-08 2014-02-12 中国科学院遥感与数字地球研究所 一种卫星智能对地观测模式库获取方法和系统
EP2253945B1 (en) * 2009-03-05 2017-08-09 Olympus Corporation Photodetector device and photodetection method, and microscope and endoscope

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014030074A (ja) * 2012-07-31 2014-02-13 International Business Maschines Corporation 白色化フィルタの構成方法、プログラム及びシステム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101288013A (zh) * 2005-09-19 2008-10-15 Cdm光学有限公司 基于任务的成像系统
EP2253945B1 (en) * 2009-03-05 2017-08-09 Olympus Corporation Photodetector device and photodetection method, and microscope and endoscope
CN102508232A (zh) * 2011-10-20 2012-06-20 黄安祥 基于多源探测的空中隐身目标探测的方法
CN103576165A (zh) * 2013-11-08 2014-02-12 中国科学院遥感与数字地球研究所 一种卫星智能对地观测模式库获取方法和系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Radon transform-based microseismic event detection and signal-to-noise ratio enhancement;Juan I.Sabbione et al;《Journal of Applied Geophysics》;20150228;第113卷;第51-63页 *
基于图像处理的自动对焦技术综述;尤玉虎 等;《激光与红外》;20130228;第43卷(第2期);第132-136页 *
空间遥感智能载荷及其关键技术;尤政 等;《航天返回与遥感》;20130228;第34卷(第1期);第35-43页 *

Also Published As

Publication number Publication date
CN108073783A (zh) 2018-05-25

Similar Documents

Publication Publication Date Title
CN108073783B (zh) 一种基于测量数据的自适应智能光学载荷实现方法
US9041592B2 (en) Radar sensor and method of detecting object using the same
Sorai et al. CO Multi-line Imaging of Nearby Galaxies (COMING). IV. Overview of the project
CN104156929B (zh) 基于全局滤波的红外弱小目标背景抑制方法及其装置
KR20140049394A (ko) 지피에스 도래각 선택 시스템 및 그 선택 방법
CN107704802B (zh) 高光谱图像杂波的度量及异常检测算法的性能预测方法
US10302743B2 (en) Systems and methods for antenna analysis and validation
CN109474306A (zh) 一种基于直扩信号捕获的检测判决方法
CN110231589B (zh) 一种大扩散角的多径信号波达方向估计方法
US5710722A (en) Automated minimum resolvable temperature difference test for imaging infrared systems
CN108510480B (zh) 基于辐射对比度的卫星探测性能评估方法、装置及存储器
CN110979729B (zh) 一种飞行器地面红外隐身测试效能评估方法
US20150212201A1 (en) Low-energy laser seeker
CN108180903B (zh) 一种基于信息熵的空间物体姿态稳定状态判定方法
Khorunzhev et al. Catalog of candidates for quasars at 3< z< 5.5 selected among X-Ray sources from the 3XMM-DR4 survey of the XMM-Newton observatory
CN112799143B (zh) 一种目标识别方法、光电系统及可读存储介质
Li Target infrared radiation calculation model and method based on finite element analysis method in infrared photoelectric detection system
Lu et al. A calculation model of infrared detection system with improved detection capability
Kravtsov et al. Decameter pulsars and transients survey of the northern sky. Observations and data processing
Beun Cognitive radar: Waveform design for target detection
Zuo et al. An improved target detection algorithm for camouflaged targets
CN117557917B (zh) 水质检测方法和装置
Balazs et al. Medium resolution spectroscopy of Halpha objects in IC 1396.
CN111161345B (zh) 一种基于谱段特性差异的红外抗干扰方法及装置
Maerker et al. Hyperspectral band selection using statistical models

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant