典型GEO卫星部件光谱散射特性反演方法

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

典型GEO卫星部件光谱散射特性反演方法

文章导航 > 红外与激光工程 > 2016 > 45(S1): 121-126

徐融, 赵飞. 典型GEO卫星部件光谱散射特性反演方法[J]. 红外与激光工程, 2016, 45(S1): 121-126. doi: 10.3788/IRLA201645.S123001

引用本文:

徐融, 赵飞. 典型GEO卫星部件光谱散射特性反演方法[J]. 红外与激光工程, 2016, 45(S1): 121-126. doi: 10.3788/IRLA201645.S123001

Xu Rong, Zhao Fei. Spectral scattering inversion method of GEO satellite component[J]. Infrared and Laser Engineering, 2016, 45(S1): 121-126. doi: 10.3788/IRLA201645.S123001

Citation:

Xu Rong, Zhao Fei. Spectral scattering inversion method of GEO satellite component[J]. Infrared and Laser Engineering, 2016, 45(S1): 121-126. doi: 10.3788/IRLA201645.S123001

典型GEO卫星部件光谱散射特性反演方法

doi: 10.3788/IRLA201645.S123001

徐融^1,2,
赵飞¹

1.
中国科学院光电研究院,北京 100094;
2.
中国科学院大学,北京 100049

基金项目:

国家高技术研究发展计划(7042015aa6604)

作者简介:
徐融(1991-),男,硕士生,主要从事空间目标光谱探测与识别方面的研究。Email:xurong@aoe.ac.cn

中图分类号: V556.5

Spectral scattering inversion method of GEO satellite component

Xu Rong^1,2,
Zhao Fei¹

1.
Academy of Opto-electronics,Chinese Academy of Sciences,Beijing 100094,China;
2.
University of Chinese Academy of Sciences,Beijing 100049,China

摘要: 由整星混合光谱反演卫星特征的核心在于数理模型及反演算法,基于此建立了光谱混合数理模型并进行了实验验证。首先,对部件光谱散射模型、线性光谱混合模型、整星光谱解混方法进行了理论分析;然后,设计实验定标测量了高保真GEO卫星模型及部件的光谱BRDF特性,讨论了部件和材料光谱散射特性的差别;最后,采用非负约束最小二乘法对卫星整体光谱进行了解混分析,最大相对残差小于10%。实验结果表明,线性光谱混合模型及非负约束最小二乘解混方法对于描述卫星光谱混合机理、反演卫星状态具有一定实用意义。
- 卫星部件 /
- 光谱BRDF /
- 线性光谱混合 /
- 非负约束最小二乘 /
- 光谱解混
Abstract: The core of the satellite characteristics inversion based on mixed satellite spectra is the mathematical model and inversion algorithm. Theoretical model of spectral mixing was built with experiments conducted to justify the model. First, theoretical analysis of components' spectral scattering model, linear spectral mixing model and unmixing methods of satellite's spectral data was conducted. Then, experiments were designed to measure and calibrate the spectral BRDF of a high-fidelity GEO satellite and its components, while the spectral scattering characteristics of component and material were discussed. Finally, nonnegative constrained least square methods were utilized to unmix the satellite's spectral data, with the largest relative residue less than 10%. Experiment results show that the linear spectral mixing model and nonnegative constrained least square unmixing methods have practical meaning in explaining spectral data of satellites and inversing satellite conditions.
- satellite components /
- spectral BRDF /
- linear spectral mixing /
- non-negative constrained least square /
- spectral unmixing

[1]	Han Yi, Sun Huayan. Advances in space target optical scattering character research[J]. Infrared and Laser Engineering, 2013, 42(3):758-766. (in Chinese) 韩意, 孙华燕. 空间目标光学散射特性研究进展[J]. 红外与激光工程, 2013, 42(3):758-766.
[2]	Tang Yijun, Jiang Xiaoju, Wei Jianyan, et al. Review of optical observations of high apogee space debris[J]. Journal of Astronautics, 2008, 29(4):1094-1098. (in Chinese) 唐轶峻, 姜晓军, 魏建彦, 等. 高轨空间碎片光电观测技术综述[J]. 宇航学报, 2008, 29(4):1094-1098.
[3]	Nicodemus F E. Reflectance nomenclature and directional reflectance and emissivity[J]. Applied Optics, 1970, 9(6):1474-1475.
[4]	Kennedy P K, Keppler K S, Thomas R J, et al. Validation and verification of the Laser Range Safety Tool (LRST)[C]//SPIE, 2003, 4953:143-153.
[5]	Bedard D, Lvesque M, Wallace B. Measurement of the photometric and spectral BRDF of small Canadian satellites in a controlled environment[C]//Proceedings of the Advanced Maui Optical and Space Surveillance Technologies Conference, 2011:1-10.
[6]	Doyle Hall. Surface material characterization from multi-band optical observations[C]//AMOS, 2010:1-15.
[7]	Sun Chengming, Zhao Fei, Yuan Yan. Feature extraction and recognition of non-resolved space object from space-based spectral data[J]. Acta Physica Sinica, 2015, 64(3):3420-3422. (in Chinese) 孙成明, 赵飞, 袁艳. 基于光谱的天基空间点目标特征提取与识别[J]. 物理学报, 2015, 64(3):3420-3422.
[8]	Murray-Krezan J, Inbody W C, Dao P, et al. Algorithms for automated characterization of three-axis stabilized GEOS using non-resolved optical observations[R]. Air Force Research LAB Kirt and AFB NM Space Vehicles Directorate, 2012.
[9]	Bdard D, Wade G, Jolley A. Interpretation of spectrometric measurements of active geostationary satellites[C]//Advanced Maui Optical and Space Surveillance Technologies Conference, 2014, 1:31.
[10]	Renhorn I G E, Boreman G D. Analytical fitting model for rough-surface BRDF[J]. Optics Express, 2008, 16(17):12892-12898.
[11]	Cao Yunhua, Wu Zhensen, Zhang Hanlu, et al. Experimental measurement and statistical modeling of spectral bidirectional reflectance distribution function of rough target samples[J]. Acta Optica Sinica, 2008, 28(4):792-798. (in Chinese) 曹运华, 吴振森, 张涵璐, 等. 粗糙目标样片光谱双向反射分布函数的实验测量及其建模[J]. 光学学报, 2008, 28(4):792-798.

[1]	任丽, 孙博, 马丽, 冯晓强, 白晋涛. 线性啁啾光纤光栅局部点加热光谱特性的研究 . 红外与激光工程, 2022, 51(8): 20210708-1-20210708-8. doi: 10.3788/IRLA20210708
[2]	刘瀚霖, 辛璟焘, 庄炜, 夏嘉斌, 祝连庆. 基于卷积神经网络的混叠光谱解调方法 . 红外与激光工程, 2022, 51(5): 20210419-1-20210419-9. doi: 10.3788/IRLA20210419
[3]	贾麒, 廖守亿, 张作宇, 杨薪洁. 重加权稀疏非负矩阵分解的高光谱解混 . 红外与激光工程, 2020, 49(S2): 20200152-20200152. doi: 10.3788/IRLA20200152
[4]	宋旭尧, 端木庆铎, 董伟, 李志彬, 卢小丰, 原遵东. 基于高温黑体的傅里叶光谱测量系统响应度分段线性标定 . 红外与激光工程, 2019, 48(7): 718002-0718002(6). doi: 10.3788/IRLA201948.0718002
[5]	甘士忠, 肖志涛, 陈雷, 南瑞杰. 基于高阶非线性模型的多目标高光谱图像解混算法 . 红外与激光工程, 2019, 48(10): 1026002-1026002(7). doi: 10.3788/IRLA201948.1026002
[6]	汤毅, 粘永健, 何密, 王倩楠, 许可. L_1/2正则化的逐次高光谱图像光谱解混 . 红外与激光工程, 2019, 48(7): 726003-0726003(9). doi: 10.3788/IRLA201948.0726003
[7]	张爱武, 赵江华, 赵宁宁, 康孝岩, 郭超凡. 结合张量空间与倒易晶胞的高光谱影像去噪去混叠 . 红外与激光工程, 2018, 47(10): 1026002-1026002(10). doi: 10.3788/IRLA201847.1026002
[8]	徐夏, 张宁, 史振威, 谢少彪, 齐乃明. 高光谱图像Pareto优化稀疏解混 . 红外与激光工程, 2018, 47(2): 226002-0226002(5). doi: 10.3788/IRLA201847.0226002
[9]	徐晨光, 邓承志, 朱华生. 近似稀疏约束的多层非负矩阵分解高光谱解混 . 红外与激光工程, 2018, 47(11): 1117010-1117010(9). doi: 10.3788/IRLA201847.1117010
[10]	潘斌, 张宁, 史振威, 谢少彪. 基于高光谱图像解混的海洋绿藻检测算法 . 红外与激光工程, 2018, 47(8): 823001-0823001(5). doi: 10.3788/IRLA201847.0823001
[11]	王忠良, 冯文田, 粘永健. 结合光谱解混与压缩感知的高光谱图像有损压缩 . 红外与激光工程, 2018, 47(S1): 189-196. doi: 10.3788/IRLA201847.S126003
[12]	杨敏珠, 邹曜璞, 张磊, 韩昌佩. 傅里叶变换光谱仪探测器非线性的影响及其校正方法 . 红外与激光工程, 2017, 46(10): 1023001-1023001(7). doi: 10.3788/IRLA201790.1023001
[13]	张爱武, 杜楠, 康孝岩, 郭超凡. 非线性变换和信息相邻相关的高光谱自适应波段选择 . 红外与激光工程, 2017, 46(5): 538001-0538001(9). doi: 10.3788/IRLA201746.0538001
[14]	陈雷, 甘士忠, 孙茜. 基于回溯优化的非线性高光谱图像解混 . 红外与激光工程, 2017, 46(6): 638001-0638001(8). doi: 10.3788/IRLA201746.0638001
[15]	陈媛媛, 王志斌, 王召巴. 思维进化蝙蝠算法及其在混合气体红外光谱特征选择中的应用 . 红外与激光工程, 2015, 44(3): 845-851.
[16]	邓承志, 张绍泉, 汪胜前, 田伟, 朱华生, 胡赛凤. L₁稀疏正则化的高光谱混合像元分解算法比较 . 红外与激光工程, 2015, 44(3): 1092-1097.
[17]	梁栋, 谢巧云, 黄文江, 彭代亮, 杨晓华, 黄林生, 胡勇. 最小二乘支持向量机用于时间序列叶面积指数预测 . 红外与激光工程, 2014, 43(1): 243-248.
[18]	魏一苇, 黄世奇, 王艺婷, 卢云龙, 刘代志. 基于体积和稀疏约束的高光谱混合像元分解算法 . 红外与激光工程, 2014, 43(4): 1247-1254.
[19]	王安祥, 吴振森, 曹运华. 硅太阳能电池板的光谱BRDF测量及色度特性的研究 . 红外与激光工程, 2013, 42(11): 3087-3095.
[20]	丁玲, 唐娉, 李宏益. 基于流形学习的混合光谱解混分析 . 红外与激光工程, 2013, 42(9): 2421-2425.

WeChat

点击查看大图

计量

文章访问数: 413
HTML全文浏览量: 66
PDF下载量: 150
被引次数: 0

典型GEO卫星部件光谱散射特性反演方法

doi: 10.3788/IRLA201645.S123001

徐融^1,2,
赵飞¹

1. 中国科学院光电研究院,北京 100094;

2. 中国科学院大学,北京 100049

作者简介:
徐融(1991-),男,硕士生,主要从事空间目标光谱探测与识别方面的研究。Email:xurong@aoe.ac.cn

收稿日期: 2016-02-17
修回日期: 2016-03-19
刊出日期: 2016-05-25

基金项目:

国家高技术研究发展计划(7042015aa6604)

中图分类号: V556.5

关键词:

摘要: 由整星混合光谱反演卫星特征的核心在于数理模型及反演算法,基于此建立了光谱混合数理模型并进行了实验验证。首先,对部件光谱散射模型、线性光谱混合模型、整星光谱解混方法进行了理论分析;然后,设计实验定标测量了高保真GEO卫星模型及部件的光谱BRDF特性,讨论了部件和材料光谱散射特性的差别;最后,采用非负约束最小二乘法对卫星整体光谱进行了解混分析,最大相对残差小于10%。实验结果表明,线性光谱混合模型及非负约束最小二乘解混方法对于描述卫星光谱混合机理、反演卫星状态具有一定实用意义。

English Abstract

全文HTML

参考文献 (11)

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回