蘇振華，劉新穎，丁奕冰，李 季，張玉梅，尹 亮，何振東，張曉俊

（1.航天東方紅衛(wèi)星有限公司； 2.北京衛(wèi)星環(huán)境工程研究所：北京 100094）

0 引言

隨著以“星鏈”為代表的大規(guī)模星座建設(shè)，低地球軌道上運(yùn)行的空間目標(biāo)數(shù)量急劇上升，空間資源異常緊張。為確保航天器在軌運(yùn)行安全，需要實(shí)時(shí)監(jiān)視空間環(huán)境，準(zhǔn)確預(yù)報(bào)在軌航天器的碰撞風(fēng)險(xiǎn)。

空間監(jiān)視的基本任務(wù)包括：對(duì)繞地運(yùn)行的在軌或退役的衛(wèi)星、被遺棄的火箭殘骸等空間目標(biāo)進(jìn)行探測(cè)，檢測(cè)其是否會(huì)干擾空間飛行器等的運(yùn)行；預(yù)報(bào)空間目標(biāo)重新進(jìn)入地球大氣層的時(shí)間和位置等[1]?？臻g監(jiān)視系統(tǒng)應(yīng)一方面具備輔助識(shí)別潛在威脅的能力，另一方面具備預(yù)測(cè)空間目標(biāo)軌道的能力，從而實(shí)現(xiàn)對(duì)空間碰撞和空間攻擊行為的告警。

美國(guó)、俄羅斯、歐洲的空間目標(biāo)探測(cè)與識(shí)別技術(shù)發(fā)展較為迅速[2]，例如：美國(guó)地基新型S 頻段空間籬笆雷達(dá)和利用軌道優(yōu)勢(shì)進(jìn)行探測(cè)識(shí)別的作戰(zhàn)響應(yīng)空間-5（ORS-5）衛(wèi)星[3]，俄羅斯具有空間目標(biāo)識(shí)別能力的新型高頻沃羅涅日（Voronezh）雷達(dá)、雷達(dá)/光學(xué)結(jié)合探測(cè)識(shí)別的樹(shù)冠（Krona）系統(tǒng)[4]，ESA 空間碎片望遠(yuǎn)鏡及德國(guó)試驗(yàn)監(jiān)視與跟蹤雷達(dá)（GESTRA）等[5]。國(guó)外空間目標(biāo)監(jiān)視系統(tǒng)正在發(fā)展高頻雷達(dá)和大口徑大面陣光學(xué)探測(cè)識(shí)別設(shè)備，建立天基、地基互補(bǔ)探測(cè)識(shí)別系統(tǒng)，研究雷達(dá)與激光、光學(xué)相結(jié)合的探測(cè)識(shí)別技術(shù)等。相比于雷達(dá)的主動(dòng)探測(cè)模式，天基紅外探測(cè)被動(dòng)地收集目標(biāo)紅外輻射信息，隱蔽性更強(qiáng)。此外，紅外探測(cè)系統(tǒng)還具有全天時(shí)、探測(cè)范圍廣、定位精度高、受電磁干擾影響小等優(yōu)點(diǎn)[6]。紅外探測(cè)過(guò)程主要為：紅外傳感器收集物體紅外輻射信息成像；通過(guò)目標(biāo)檢測(cè)、跟蹤與識(shí)別等關(guān)鍵環(huán)節(jié)實(shí)施，獲得目標(biāo)位置及運(yùn)動(dòng)軌跡。目前，紅外目標(biāo)探測(cè)方法主要針對(duì)的是地面背景下的強(qiáng)目標(biāo)探測(cè)，無(wú)法適用于空間背景下高速運(yùn)動(dòng)小目標(biāo)的探測(cè)。

本文提出一種基于紅外圖像的空間目標(biāo)探測(cè)方法，綜合采用目標(biāo)分割提取、重心法提取質(zhì)心、星圖匹配剔除背景等方法實(shí)現(xiàn)目標(biāo)檢測(cè)，綜合采用軌跡關(guān)聯(lián)、目標(biāo)分類等方法實(shí)現(xiàn)目標(biāo)跟蹤識(shí)別，能夠快速、準(zhǔn)確、有效地探測(cè)空間目標(biāo)，為我國(guó)空間目標(biāo)監(jiān)視提供必要手段。

1 目標(biāo)特性

在空間中，受探測(cè)衛(wèi)星與目標(biāo)之間的軌道動(dòng)力學(xué)特性的約束，目標(biāo)探測(cè)距離遠(yuǎn)。因此紅外圖像中的空間目標(biāo)僅表現(xiàn)為一個(gè)亮點(diǎn)，其尺寸僅為幾個(gè)至幾十個(gè)像素，無(wú)目標(biāo)的大小、形狀、紋理等相關(guān)特征信息[7]；而且圖像信噪比較低，空間目標(biāo)亮度的幅值相比于背景、噪聲和雜波梯度不大，無(wú)法直接分辨。因此，需要對(duì)空間目標(biāo)特性進(jìn)行研究，提高目標(biāo)探測(cè)的實(shí)時(shí)性，提升檢測(cè)概率，降低虛警概率。

1.1 目標(biāo)紅外輻射特性

以具有典型代表性的衛(wèi)星為例，其外表面主要由艙板、太陽(yáng)電池陣、包覆多層、發(fā)動(dòng)機(jī)和天線構(gòu)成。其中，艙板的主要材質(zhì)為鋁蜂窩，空間溫度變化范圍-30～60 ℃；太陽(yáng)電池陣主要由太陽(yáng)電池板和基板組成，溫度變化范圍-90～90 ℃；包覆多層（聚酰亞胺）的主要溫度變化范圍-150～150 ℃，溫度變化時(shí)間10～20 min。

衛(wèi)星的紅外輻射主要來(lái)自于衛(wèi)星本體的輻射和對(duì)空間環(huán)境的輻射反射。衛(wèi)星除了其本體外，太陽(yáng)電池陣的尺寸較大，產(chǎn)生的輻射強(qiáng)度值也較大。

選取常規(guī)的立方體結(jié)構(gòu)衛(wèi)星作為研究對(duì)象，且衛(wèi)星帶有雙太陽(yáng)電池陣的典型搭配模式。以XSS-11衛(wèi)星為例，衛(wèi)星本體為邊長(zhǎng)60 cm×100 cm×60cm 的立方體，兩側(cè)各有1 個(gè)約60 cm×60 cm 的太陽(yáng)電池陣。衛(wèi)星本體多層表面發(fā)射率0.69，OSR 表面發(fā)射率0.79，電池陣正面的表面發(fā)射率0.83，電池陣背面的表面發(fā)射率0.8。地球軌道中運(yùn)行的立方體衛(wèi)星的本體表面可各自命名為對(duì)天表面、對(duì)地表面、前向表面、后向表面、左側(cè)表面和右側(cè)表面，參圖1所示。

圖1 衛(wèi)星表面構(gòu)成示意Fig.1 Schematic of satellite surface composition

衛(wèi)星本體各表面及太陽(yáng)電池陣的溫度（星表典型部位）如表1 所示，其中太陽(yáng)電池陣的溫度包括電池板的正面溫度和背面溫度。通過(guò)分析可以發(fā)現(xiàn)，星體的對(duì)天表面和太陽(yáng)電池陣表面的溫度較高，有利于紅外探測(cè)器成像。

表1 衛(wèi)星本體各表面及太陽(yáng)電池陣的溫度Table 1 Surface temperatures of satellite and solar array

通過(guò)表1 對(duì)星體表面溫度的統(tǒng)計(jì)分析，根據(jù)表征熱輻射強(qiáng)度、波長(zhǎng)、溫度之間關(guān)系的普朗克公式，結(jié)合紅外輻射特性分析理論，計(jì)算得到立方體衛(wèi)星的紅外輻射特性如表2 所示，其長(zhǎng)波輻射強(qiáng)度較強(qiáng)，表明星體向外輻射的波長(zhǎng)較長(zhǎng)。因此，衛(wèi)星目標(biāo)探測(cè)適合采用長(zhǎng)波成像傳感器。

表2 衛(wèi)星各表面紅外輻射強(qiáng)度Table 2 Infrared radiation intensities of satellite surfaces

1.2 目標(biāo)運(yùn)動(dòng)特征

目標(biāo)在紅外圖像中無(wú)典型特征信息，且受恒星和噪聲的影響，會(huì)被淹沒(méi)在背景中。因此，需要綜合利用目標(biāo)的方位角、角速度、運(yùn)動(dòng)軌跡、亮度值和亮度變化等信息判斷目標(biāo)特征和行為（參表3），并對(duì)其進(jìn)行探測(cè)。

表3 目標(biāo)信息及用途Table 3 Target information and its purpose

2 目標(biāo)探測(cè)方法

在空間目標(biāo)監(jiān)視任務(wù)中，紅外成像傳感器多數(shù)情況下以深空背景成像。紅外傳感器成像信息包括[8-9]真實(shí)目標(biāo)、背景信息及干擾噪聲3 類，可以表示為

式中：I(x,y)代表紅外圖像；S(x,y)代表紅外圖像中探測(cè)到的目標(biāo)信息（包括非合作目標(biāo)等）；N(x,y)代表紅外圖像中的噪聲；B(x,y)代表紅外圖像的背景信息。目標(biāo)信息在紅外圖像中表現(xiàn)為單獨(dú)的亮點(diǎn)，灰度值比周邊背景高，且與背景的關(guān)聯(lián)性弱，在頻域幅值有較大的跳變，屬于圖像中的高頻分量。背景信息是探測(cè)環(huán)境中具有較大發(fā)射能量的物體的紅外輻射信號(hào)，連續(xù)分布的背景信息具有灰度變化緩慢、像元之間關(guān)聯(lián)性強(qiáng)的特點(diǎn)，頻域幅值變化較小，集中于圖像的低頻范圍；在地球大氣層等背景圖像中的邊緣處，其灰度幅值變化劇烈，屬于圖像信息中的高頻部分。

根據(jù)空間運(yùn)動(dòng)目標(biāo)的特征，紅外目標(biāo)探測(cè)主要分為目標(biāo)檢測(cè)、跟蹤與識(shí)別等環(huán)節(jié)，詳細(xì)如圖2 所示。首先進(jìn)行背景抑制預(yù)處理，提升目標(biāo)顯著性，降低背景的干擾；然后通過(guò)自適應(yīng)閾值方法分割提取目標(biāo)信息；最后經(jīng)過(guò)聚類、關(guān)聯(lián)跟蹤等幀間處理方法，實(shí)現(xiàn)噪聲干擾去除，獲得目標(biāo)軌跡信息，確定真實(shí)目標(biāo)。

圖2 紅外目標(biāo)探測(cè)流程Fig.2 Flow chart of infrared target detection

根據(jù)空間目標(biāo)監(jiān)視任務(wù)的需求，必須能夠隨時(shí)對(duì)所關(guān)注目標(biāo)進(jìn)行有效的檢測(cè)，而監(jiān)視背景中不僅有大量物理特性與目標(biāo)接近的恒星干擾，還包括小麥哲倫云圖像、銀道面背景大氣臨邊背景等干擾，以及大量的空間碎片和紅外相機(jī)的系統(tǒng)噪聲，所有這些干擾將嚴(yán)重影響檢測(cè)概率。同時(shí)，由于目標(biāo)在像面上成像為點(diǎn)目標(biāo)或斑點(diǎn)目標(biāo)，光學(xué)特性很弱，尺寸和亮度特征都可能小于恒星，故當(dāng)與恒星在視場(chǎng)中交叉相遇或被恒星瞬間遮擋時(shí)，對(duì)目標(biāo)的穩(wěn)定跟蹤會(huì)被破壞。

2.1 目標(biāo)的檢測(cè)

2.1.1 圖像的目標(biāo)分割算法

根據(jù)實(shí)際深空背景圖像中目標(biāo)灰度值很大而背景灰度值較小這一特點(diǎn)，采用基于迭代法[10]的閾值分割算法有利于提高目標(biāo)的檢測(cè)概率，降低虛警率，同時(shí)減小運(yùn)算量，便于圖像實(shí)時(shí)處理。

迭代法可以自動(dòng)地得到閾值，其主要過(guò)程為：

1）估計(jì)初始的閾值T，一般用圖像最大和最小灰度值的平均值。

2）用T分割圖像，得到2 組像素（G1和G2）。

3）分別計(jì)算G1和G2中所有像素的平均灰度值μ1和μ2，

式中：Ni為圖像中屬于Gi的像素點(diǎn)數(shù)；Ii為Gi中某像素的灰度值；ni為Gi中灰度值為Ii的像素點(diǎn)數(shù)。然后更新閾值為T=(μ1+μ2)/2。

4）重復(fù)過(guò)程2）、3），直到逐步迭代所得T值的變化小于事先定義的參數(shù)T0。

通過(guò)天基紅外相機(jī)探測(cè)典型空間目標(biāo)的紅外成像特性如圖3 所示，目標(biāo)成像較弱小且亮度不如恒星。采用基于迭代法的閾值分割法對(duì)該紅外圖像進(jìn)行分割，結(jié)果如圖4 所示。

圖3 通過(guò)天基紅外相機(jī)探測(cè)空間目標(biāo)的紅外成像Fig.3 Infrared imaging of space targets detected by spacebased infrared cameras

圖4 迭代法閾值分割目標(biāo)結(jié)果（加亮）Fig.4 Threshold segmentation by iterative method(highlighted)

可以看到，該方法能夠自適應(yīng)地選取合適的閾值，實(shí)現(xiàn)對(duì)紅外圖像中所有目標(biāo)的分割。與其他算法相比，該算法不僅能精確地分割出目標(biāo)，而且計(jì)算時(shí)間短、簡(jiǎn)單易行，滿足對(duì)于深空背景中空間目標(biāo)的分割需求。

2.1.2 基于重心法的目標(biāo)質(zhì)心提取

圖像分割后得到的目標(biāo)并不一定是單像素的，為獲得高精度的質(zhì)心位置，采用重心法提取目標(biāo)質(zhì)心。通過(guò)圖像預(yù)處理，可以把星體成像分割成非連通區(qū)域；利用區(qū)域內(nèi)圖像像素的重心，可以得到亞像素級(jí)的星體位置。設(shè)紅外圖像的目標(biāo)成像模型為

則目標(biāo)質(zhì)心位置為

利用重心法提取目標(biāo)質(zhì)心的結(jié)果如圖5 所示?？梢钥吹?，該方法提取的目標(biāo)質(zhì)心位置能夠真實(shí)反映目標(biāo)的實(shí)際位置，同時(shí)減少相鄰目標(biāo)之間的相互干擾，滿足對(duì)提取空間目標(biāo)質(zhì)心位置的要求。

圖5 重心法提取目標(biāo)質(zhì)心結(jié)果（質(zhì)心為矩形框的中心）Fig.5 Center of mass (center of the rectangular box in the picture) extraction with center of gravity method

2.1.3 基于星圖匹配的恒星背景剔除算法

由于深空背景下目標(biāo)檢測(cè)的主要干擾是恒星，適用星圖匹配的方法來(lái)剔除恒星的干擾。星圖匹配就是將觀測(cè)圖像中星點(diǎn)的參數(shù)與星圖庫(kù)中恒星的相應(yīng)參數(shù)進(jìn)行比較匹配，以確定觀測(cè)圖像中的點(diǎn)是否是恒星點(diǎn)，匹配成功則認(rèn)為是恒星點(diǎn)，否則不是恒星點(diǎn)。

星圖匹配識(shí)別算法主要包括三角形匹配算法[11]、多邊形角距匹配算法[12]和Bezooijen 發(fā)明的恒星識(shí)別法等，均能實(shí)現(xiàn)較好的星圖匹配效果，不同算法的天空覆蓋范圍、數(shù)據(jù)庫(kù)大小、噪聲干擾穩(wěn)定程度、計(jì)算速度等性能具有差異。當(dāng)測(cè)量誤差較大時(shí)，余度匹配和誤匹配會(huì)導(dǎo)致識(shí)別成功率顯著下降。受限于特征維數(shù)限制的影響，大部分算法對(duì)于有干擾的星圖匹配效果不理想。Hausdorff 距離（Hausdorff distance, HD）是度量2 幅圖像之間相似性的一種方法，計(jì)算過(guò)程中不需要建立2 幅圖像間點(diǎn)與點(diǎn)對(duì)應(yīng)的關(guān)系，因此適用于被噪聲污染或失真嚴(yán)重圖像的處理。綜上，本文采用基于HD 進(jìn)行星圖識(shí)別[13]的算法。該算法除了識(shí)別率高、抗噪性強(qiáng)，還具有識(shí)別速度快和抗旋轉(zhuǎn)特性好的優(yōu)點(diǎn)。

利用星圖匹配等方法剔除大部分恒星后，剩余候選目標(biāo)點(diǎn)包括目標(biāo)、未剔除恒星和噪聲點(diǎn)等。其中，噪聲點(diǎn)在每幀的出現(xiàn)是隨機(jī)的，可以利用多幀軌跡連續(xù)信息予以排除；對(duì)于目標(biāo)和恒星，可以根據(jù)其各自運(yùn)動(dòng)速度的大小和方向等運(yùn)動(dòng)特征的變化來(lái)區(qū)分。

2.2 目標(biāo)的跟蹤識(shí)別

在低信噪比情況下，檢測(cè)未知位置和速度的運(yùn)動(dòng)目標(biāo)的難點(diǎn)主要體現(xiàn)在：背景的統(tǒng)計(jì)先驗(yàn)信息缺失；紅外圖像的信噪比較低，利用單幀圖像信息無(wú)法實(shí)現(xiàn)目標(biāo)的準(zhǔn)確檢測(cè)；空間目標(biāo)表現(xiàn)出在不同的時(shí)間點(diǎn)上出現(xiàn)然后消失等；空間目標(biāo)不具備形狀、紋理等顯著特征；無(wú)法直接區(qū)分出恒星和真實(shí)目標(biāo)；僅有的檢測(cè)信息是目標(biāo)的亮度和像面移動(dòng)速度。在探測(cè)到多個(gè)疑似目標(biāo)后，需要對(duì)目標(biāo)進(jìn)行跟蹤探測(cè)，完成對(duì)目標(biāo)的識(shí)別。

2.2.1 基于軌跡關(guān)聯(lián)的多目標(biāo)編批算法

多目標(biāo)編批技術(shù)通過(guò)制定合理的行為準(zhǔn)則，能夠判別空間目標(biāo)航跡起始位置；在整個(gè)目標(biāo)探測(cè)過(guò)程中，可以有效地維持航跡；可在視場(chǎng)中的目標(biāo)消失的情況下，實(shí)現(xiàn)對(duì)航跡自動(dòng)判別消亡[14-15]。

多目標(biāo)編批技術(shù)主要處理過(guò)程包括：每出現(xiàn)一個(gè)新目標(biāo)，算法自動(dòng)賦予其一個(gè)新的編號(hào)，該編號(hào)不同于已存在或已消亡的任何一個(gè)目標(biāo)編號(hào)；每個(gè)目標(biāo)的編號(hào)均始終保持不變，在該目標(biāo)被遮擋或與另外目標(biāo)發(fā)生交叉運(yùn)動(dòng)的情況下，仍能夠維持該編號(hào)不變，直到該目標(biāo)的生存周期結(jié)束。本文在空間目標(biāo)編號(hào)維持過(guò)程中采用一種適用于目標(biāo)探測(cè)的多參量數(shù)據(jù)關(guān)聯(lián)算法，對(duì)于多目標(biāo)交叉問(wèn)題采用軌跡外推方法去除噪聲干擾，即利用廣義霍夫變換實(shí)現(xiàn)空間目標(biāo)二次曲線擬合過(guò)程中的噪聲點(diǎn)去除；利用參數(shù)空間模糊截集內(nèi)的有效點(diǎn)，分析反推直角坐標(biāo)系下的有效位置點(diǎn)，利用最小二乘曲線擬合這些有效點(diǎn)，實(shí)現(xiàn)目標(biāo)位置的預(yù)測(cè)[16]。

目標(biāo)提取過(guò)程中，存在將距離較近的多個(gè)目標(biāo)連接起來(lái)作為一個(gè)目標(biāo)處理，將一個(gè)大目標(biāo)分割成許多小目標(biāo)，噪聲干擾導(dǎo)致檢測(cè)到虛假目標(biāo)，或者弱小目標(biāo)無(wú)法被檢測(cè)等情況。在上述情況中，算法可能給多條航跡分配一個(gè)觀測(cè)值，或者一條航跡有多個(gè)觀測(cè)值。這將會(huì)導(dǎo)致空間目標(biāo)測(cè)量過(guò)程中，目標(biāo)與觀測(cè)值無(wú)法一一對(duì)應(yīng)，因此需要利用系統(tǒng)的方法實(shí)現(xiàn)目標(biāo)當(dāng)前狀態(tài)的更新。本文采用“最近鄰”數(shù)據(jù)關(guān)聯(lián)算法實(shí)現(xiàn)目標(biāo)軌跡關(guān)聯(lián)，其為一種貪心算法，通過(guò)采用離關(guān)聯(lián)門中心最近的觀測(cè)值更新多個(gè)目標(biāo)最新?tīng)顟B(tài)，具有直觀、計(jì)算量小的優(yōu)點(diǎn)。

在探測(cè)多個(gè)目標(biāo)的過(guò)程中，空間目標(biāo)的運(yùn)動(dòng)會(huì)導(dǎo)致彼此之間存在相互遮擋的情況，不同目標(biāo)位置存在重疊，因而短時(shí)間內(nèi)無(wú)法區(qū)分不同目標(biāo)。在分離相互遮擋的空間目標(biāo)時(shí)，目標(biāo)的編號(hào)維持會(huì)出現(xiàn)錯(cuò)誤。對(duì)于目標(biāo)交叉運(yùn)動(dòng)的情況，本文采用最小二乘曲線擬合進(jìn)行軌跡外推。

2.2.2 基于運(yùn)動(dòng)信息的目標(biāo)分類算法

基于深空背景下目標(biāo)和恒星間的運(yùn)動(dòng)特性區(qū)別，主要針對(duì)目標(biāo)運(yùn)動(dòng)中的速度信息和運(yùn)動(dòng)方向矢量信息與恒星進(jìn)行區(qū)分，其中根據(jù)方向矢量的分類方法如下：

1）根據(jù)目標(biāo)運(yùn)動(dòng)方向的矢量信息，建立8 個(gè)維度的方向矢量鄰域，即東、東南、南、西南、西、西北、北、東北各方向以其方向矢量左右22.5°作為方向矢量的鄰域，即以tan 0°、tan 45°、tan 90°、tan 135°、tan 180°、tan 225°、tan 270°、tan 360°這8 個(gè)正切函數(shù)值作為各鄰域中心參數(shù)，在每個(gè)參數(shù)的0～±0.414的數(shù)值范圍之內(nèi)算作一個(gè)方向矢量的鄰域；

2）根據(jù)目標(biāo)檢測(cè)過(guò)程中得到的目標(biāo)軌跡信息集合，即坐標(biāo)信息和方向矢量，可以計(jì)算出每個(gè)目標(biāo)的運(yùn)動(dòng)方向矢量，并將信息更新到目標(biāo)集合中；

3）根據(jù)目標(biāo)集合中每個(gè)目標(biāo)的方向矢量進(jìn)行8 個(gè)維度分類，最終保留維度中目標(biāo)較少的一個(gè)集合，并更新目標(biāo)集合。

根據(jù)速度信息分類的方法如下：

1）根據(jù)目標(biāo)檢測(cè)過(guò)程中得到的目標(biāo)軌跡信息集合，即坐標(biāo)信息和方向矢量，以及逝去的幀數(shù)，即逝去的時(shí)間，可以計(jì)算出每個(gè)目標(biāo)的運(yùn)動(dòng)速度數(shù)值，然后將信息更新到目標(biāo)集合中；

2）根據(jù)計(jì)算出的目標(biāo)集合中每個(gè)目標(biāo)的速度將目標(biāo)分成2 類，最終保留其中元素較少的一個(gè)集合，并更新目標(biāo)集合。

執(zhí)行完上述2 種分類后，即完成了以方向矢量信息和速度信息進(jìn)行分類確認(rèn)跟蹤目標(biāo)的過(guò)程。

3 實(shí)驗(yàn)驗(yàn)證

為了驗(yàn)證本方法的檢測(cè)效果，采用真實(shí)的在軌空間目標(biāo)紅外成像圖像進(jìn)行實(shí)驗(yàn)驗(yàn)證，實(shí)驗(yàn)圖像參見(jiàn)圖3；閾值分割法對(duì)紅外圖像進(jìn)行目標(biāo)分割的實(shí)驗(yàn)結(jié)果參見(jiàn)圖4；重心法提取目標(biāo)質(zhì)心的實(shí)驗(yàn)結(jié)果參見(jiàn)圖5；采用基于軌跡關(guān)聯(lián)和運(yùn)動(dòng)信息分類的方法對(duì)剔除恒星之后的目標(biāo)進(jìn)行跟蹤識(shí)別實(shí)驗(yàn)，結(jié)果如圖6 所示。最終結(jié)果表明，本文采取的方法能夠克服深空背景條件下干擾大、目標(biāo)小、信噪比低的難點(diǎn)，在1 s 內(nèi)實(shí)現(xiàn)從發(fā)現(xiàn)到跟蹤識(shí)別空間目標(biāo)。

圖6 目標(biāo)探測(cè)最終結(jié)果（矩形框內(nèi)目標(biāo)）Fig.6 Final result of target detection (target in rectangular box)

4 結(jié)束語(yǔ)

本文針對(duì)空間目標(biāo)探測(cè)需求，通過(guò)分析深空背景下空間目標(biāo)的特征，提出一種基于天基紅外圖像的空間目標(biāo)探測(cè)方法，采用相適應(yīng)的目標(biāo)檢測(cè)算法和目標(biāo)跟蹤識(shí)別算法，實(shí)現(xiàn)深空背景下弱小目標(biāo)的探測(cè)。針對(duì)新提出的算法，采用典型空間目標(biāo)的在軌紅外成像圖像進(jìn)行空間目標(biāo)探測(cè)實(shí)驗(yàn)，結(jié)果表明該方法能夠解決深空背景條件下干擾大、目標(biāo)小、信噪比低的難點(diǎn)，實(shí)現(xiàn)1 s 內(nèi)快速、準(zhǔn)確探測(cè)目標(biāo)，滿足空間環(huán)境監(jiān)視對(duì)目標(biāo)探測(cè)的實(shí)時(shí)性好、檢測(cè)概率高、虛警概率低等要求。