10.4.2　在轨图像处理

1）光学影像校正和定位

光学影像星上相对辐射校正，首先需要分析光电响应变化的各种因素，并以最大后验概率理论为依托，通过引入约束条件和加权思想构建在轨自适应的系统辐射校正模型；然后利用定标数据或实时获取的遥感数据，构建样本的智能筛选模型，并采用增量统计的策略，优化辐射定标参数的解算精度；最后基于地面辐射定标结果，将定标查找表上注更新至星上，星上根据查找表进行相对辐射校正，得到校正后影像。光学影像相对辐射校正关键在于定标模型的确定和定标参数的获取，在星上存储空间有限的情况下，须以最小化定标查找表和保证校正质量为原则确定适用于星上的相对辐射校正算法。

光学影像星上高精度几何定位技术以严密成像几何模型为基础，在几何定标的基础上，根据星上环境下的存储能力和处理能力，构建适用于星上实时处理单元的光学卫星严密成像共线方程模型，并结合地面内外定标系统对星上成像模型参数进行修正及优化，实现星上高精度实时定位。根据目标区域覆盖范围，基于全球数字高程模型（DEM）数据，对目标区域影像采用分块间接法进行几何校正处理，生产带地理坐标的目标区域2级经纬度投影产品。

为了将卫星视频采集的数据实时传输到地面，满足用户对遥感视频中运动目标更加直观的观测需求，需要在星上计算资源、传输带宽受限的条件下，实现对关键信息的在轨实时编码及传输。卫星视频智能压缩是在星上有限的计算资源条件下，通过高效的智能压缩算法将原始数据压缩到星地带宽所能承受的范围之内，在压缩效率、编码帧率和压缩质量三个方面满足星地传输的需求。卫星视频运动目标检测需要在压缩域对运动目标进行检测，并在解码端对检测结果进行线框的标注，从而满足卫星视频在星上实时处理的需求，充分利用压缩过程中的中间结果，满足用户的观察需求。

2）天基目标检测识别与跟踪

天基目标检测是在星上资源受限的条件下，进行飞机、舰船等典型静/动态目标的实时智能检测。针对星上原始数据压缩和不压缩两种应用模式，一般有两种目标检测技术路线。原始数据需要在压缩的模式下采用压缩域目标信息提取技术，利用图像压缩过程中生成的稀疏字典，挖掘压缩域中所蕴含的图像目标特征信息。由于压缩域目标信息提取和图像压缩采用同一套数据稀疏和特征建模方法，可直接在压缩码流中提取目标特征信息，达到有效节省星上计算和存储资源的目的。原始数据不需要压缩的模式下采用目标ROI快速筛选技术，主要是对传感器获取的海量原始数据进行在轨快速筛选，获得仅包含目标及周围邻域的小数据量ROI集合，达到节省星上存储资源、减少星地传输数据量的目的。

典型应用是云检测，云检测是实现影像中云区域准确、快速高效的检测和提取，重点在于区分云与冰、雪等高反射目标，以及水域、河流、城市场景中的某些平坦区域存在的似云目标。通过获得影像精确的云区域提取结果，为后续ROI区域提取、多时相影像变化检测等提供精确的影像云覆盖情况信息。云检测算法类别较多，由于每一类算法原理不同，计算过程中需要消耗的计算资源、内存资源、存储资源也各不相同，在保证检测可靠性和高效的条件下，须合理选择星上处理算法。

3）态势信息生产

和地面移动通信系统频谱资源共享一样，低轨卫星频谱资源共享正在从静态管理模式向动态管理模式转型。电磁频谱空间认知和智能频谱管理利用数据挖掘和机器学习的方法对海量频谱数据进行认知处理，使频谱资源的动态管理更加智能。面向低轨卫星的频谱认知智能管控包括频谱数据监测、补全、预测和决策部分，是一个从频谱感知到频谱接入的动态频谱认知闭环系统。

首先通过感知设备（包括卫星专用频谱监测设备和群智频谱感知模块）感知频谱状态。卫星监测的目标主要有两个：一是监测卫星资源利用情况，包括卫星轨道占用情况、频率占用情况和波束覆盖范围等；二是监测干扰，包括监测是否有干扰及干扰源的位置等。通常监测的非对地静止卫星轨道（GSO）卫星频段是超高频（UHF）、L、S、X、Ku和Ka频段，即低轨卫星对应的业务频段。随着宽带互联网卫星通信使用的日益增多以及带宽需求的不断扩大，监测频段将扩展至Q频段及以上。