基于尺度特征卷積神經(jīng)網(wǎng)絡(luò)的高分對地觀測系統(tǒng)設(shè)計

劉 笛，何 偉，曹秀云

(中國航天系統(tǒng)科學(xué)與工程研究院，北京 100045)

0 引言

隨著我國航天事業(yè)的快速發(fā)展，建立對全天候高分辨率對地觀測平臺的要求也在不斷提升。“高分辨率地球觀測系統(tǒng)”重大國家項目的實(shí)施，突出了高分辨率項目衛(wèi)星控制的重要性及復(fù)雜性[1]。通過管理和控制傳統(tǒng)的成像衛(wèi)星任務(wù)規(guī)劃方法，建立了新的任務(wù)規(guī)劃平臺，以支持傳統(tǒng)的成像衛(wèi)星調(diào)度和新的衛(wèi)星資源任務(wù)規(guī)劃，從而將通用任務(wù)規(guī)劃平臺擴(kuò)展到空間領(lǐng)域[2]。高分辨率地面觀測系統(tǒng)的觀測過程類似于工業(yè)生產(chǎn)過程，其主要目標(biāo)是規(guī)劃和調(diào)度衛(wèi)星和地球資源，以滿足用戶對圖像和任務(wù)的邏輯、時間和資源要求[3]。

當(dāng)前已有相關(guān)領(lǐng)域?qū)W者對高分對地觀測系統(tǒng)作出了研究并取得了一定成果。文獻(xiàn)[4]提出基于UML集成框架的高分對地觀測系統(tǒng)，采用正則化正交匹配跟蹤算法重建圖像，再用迭代算法得到高分辨率的觀測數(shù)據(jù)。然而，如果迭代數(shù)取值不當(dāng)，將嚴(yán)重影響重建圖像的質(zhì)量，造成觀測結(jié)果不準(zhǔn)確；文獻(xiàn)[5]提出基于約束網(wǎng)絡(luò)的高分辨率地球觀測系統(tǒng)，觀測位置的優(yōu)劣取決于算法的最差時間復(fù)雜性。然而，該系統(tǒng)容易受到新約束局域網(wǎng)的影響，造成觀測結(jié)果的誤差。

為此，提出了一種基于尺度特征卷積神經(jīng)網(wǎng)絡(luò)的高分對地觀測系統(tǒng)。在GIS可視化環(huán)境下設(shè)計高分對地觀測系統(tǒng)總體結(jié)構(gòu)，設(shè)計管控中心服務(wù)器、跟蹤站與控制中心等硬件模塊，通過尺度特征卷積神經(jīng)網(wǎng)絡(luò)及RPN網(wǎng)絡(luò)實(shí)現(xiàn)目標(biāo)前景和背景的劃分，提升目標(biāo)檢測識別的準(zhǔn)確性，最后設(shè)計高分對地觀測信息管理流程。

1 高分對地觀測系統(tǒng)總體結(jié)構(gòu)設(shè)計

利用空間觀測任務(wù)規(guī)劃系統(tǒng)動力學(xué)模型，在二維和三維 GIS平臺上對各要素進(jìn)行組織和管理，實(shí)現(xiàn)了時空分析、監(jiān)測、資源狀態(tài)空間可視化。針對資源態(tài)勢的多面性和層次性，基于“平臺+插件”的技術(shù)體系，設(shè)計了高分對地觀測系統(tǒng)總體結(jié)構(gòu)，用于對系統(tǒng)的各種態(tài)勢數(shù)據(jù)進(jìn)行采集和集成，以構(gòu)建靈活、集成的 GIS可視化環(huán)境[6]。這一體系結(jié)構(gòu)應(yīng)實(shí)現(xiàn)基于網(wǎng)絡(luò)的系統(tǒng)業(yè)務(wù)數(shù)據(jù)的收集、處理和應(yīng)用，對多源態(tài)勢數(shù)據(jù)的收集和集成，以及建立能夠充分顯示空間觀測任務(wù)規(guī)劃系統(tǒng)業(yè)務(wù)數(shù)據(jù)的綜合可視化環(huán)境[7]。它要求能直觀、準(zhǔn)確地反映各種資源要素的空間分布和時間變化情況，有助于對運(yùn)行數(shù)據(jù)進(jìn)行系統(tǒng)處理和分析，幫助各級用戶獲取知識。高分對地觀測系統(tǒng)整體結(jié)構(gòu)如圖1所示。

圖1 高分對地觀測系統(tǒng)整體結(jié)構(gòu)

由圖1可知，數(shù)據(jù)資源層包含的數(shù)據(jù)量較大，且數(shù)據(jù)類型復(fù)雜多樣，主要包括觀測任務(wù)數(shù)據(jù)和衛(wèi)星資源數(shù)據(jù)、測控接收資源數(shù)據(jù)和接收任務(wù)數(shù)據(jù)以及運(yùn)行調(diào)度數(shù)據(jù)與資源運(yùn)行狀態(tài)數(shù)據(jù)[8]。由于這些數(shù)據(jù)具有明顯的時間特征，動態(tài)數(shù)據(jù)更新頻繁，因此采用分層的數(shù)據(jù)組織與管理模式，利用多源數(shù)據(jù)適配器來屏蔽分布的異構(gòu)數(shù)據(jù)源，提供統(tǒng)一的外部調(diào)用接口[9]。

基礎(chǔ)支持平臺層負(fù)責(zé)為可視應(yīng)用提供數(shù)據(jù)的管理與共享、數(shù)據(jù)的處理與分析、訪問控制和授權(quán)等專業(yè)服務(wù)[10]。數(shù)據(jù)資源的管理與調(diào)度是通過一個自主可控的地理信息平臺，通過封裝服務(wù)功能模塊來提供功能服務(wù)，實(shí)現(xiàn)可視化層次調(diào)用。

可視化集成層作為應(yīng)用的基礎(chǔ)支撐和重要組成部分，結(jié)合地理信息可視化功能，使用戶在高分對地觀測系統(tǒng)總體結(jié)構(gòu)上享受到更好的可視化服務(wù)，充分體現(xiàn)了框架集成和擴(kuò)展的能力。

2 高分對地觀測系統(tǒng)硬件結(jié)構(gòu)設(shè)計

系統(tǒng)提供了一個統(tǒng)一的集成接口框架，減少了用戶數(shù)量，提高了人機(jī)交互體驗(yàn)，根據(jù)用戶的操作需求，擴(kuò)展和定制了業(yè)務(wù)功能，實(shí)現(xiàn)了對系統(tǒng)硬件結(jié)構(gòu)的支持。系統(tǒng)硬件結(jié)構(gòu)如圖2所示。

圖2 系統(tǒng)硬件結(jié)構(gòu)

由圖2可知，該系統(tǒng)主要是由星載遙感器、圖形工作站、管控中心服務(wù)器、主服務(wù)器、千兆交換機(jī)、計算機(jī)和跟蹤站與控制中心組成。

2.1 管控中心服務(wù)器

對各中心上報的資源運(yùn)行和任務(wù)執(zhí)行情況進(jìn)行分類，并推送到狀態(tài)顯示功能中，用于監(jiān)測資源使用和監(jiān)測任務(wù)運(yùn)行情況。

2.2 圖形工作站

以三維方式實(shí)時顯示資源任務(wù)執(zhí)行情況、資源閑置情況和可用窗口信息，并負(fù)責(zé)維持基本信息，如觀測衛(wèi)星、地面站設(shè)備和中繼衛(wèi)星，以及地球資源能力和使用限制。

2.3 星載遙感器

星載遙感器是一種空間服務(wù)遙感設(shè)備，它通過獲取地面數(shù)據(jù)，以反射電磁波的方式向地面接收站傳送。星載遙感器系統(tǒng)如圖3所示。

圖3 星載遙感器系統(tǒng)

由圖3可知，衛(wèi)星遙感系統(tǒng)由鏡頭、CMOS圖像傳感器、FPGA、SRAM和單片機(jī)共5部分組成。由鏡頭采集遙感觀測圖像，通過CMOS圖像傳感器將采集到的圖像信息整理，并通過微控制器、FPGA和單片機(jī)實(shí)現(xiàn)圖像的存儲[11]。

2.3.1 CMOS圖像傳感器

CMOS圖像傳感器通過鏡頭向星載遙感系統(tǒng)傳輸圖像中的對應(yīng)點(diǎn)信息，當(dāng)焦距為無窮大且接近平行光時，鏡頭通過 CMOS圖像傳感器向透鏡陣列的焦平面近平行光傳輸信息，這就決定了聚光長度。

2.3.2 FPGA 控制器

為了滿足高分對比觀測需求，采用 FPGA 控制器控制所有時序，并對CMOS圖像傳感器數(shù)據(jù)按照由小到大順序依次排列，并存儲和輸出控制結(jié)果[12]。

FPGA 控制器對CMOS圖像傳感器成像控制過程如下：FPGA控制器啟動系統(tǒng)后，將系統(tǒng)芯片的復(fù)位指令發(fā)送到 CMOS圖像傳感器，當(dāng) CMOS圖像傳感器接收到所有的指令時，芯片復(fù)位，此時復(fù)位指針沿圖像像素矩陣逐漸移動。重置指針的時間間隔是在重置指針達(dá)到某一目標(biāo)時的積分時間，此時重置指針開始激活并移動到重置位置[13]。在同一周期中統(tǒng)計不同指針的交替運(yùn)動形式，進(jìn)行連續(xù)的讀線復(fù)位、讀線操作等，以確保像素陣列的所有行滿足積分時間的要求。

2.3.3 CAN 總線

CAN總線接口的主要任務(wù)是接收衛(wèi)星數(shù)據(jù)處理模塊的指令，中斷單片機(jī)并設(shè)置相應(yīng)的標(biāo)志，由單片機(jī)進(jìn)行標(biāo)志查詢。根據(jù)星載遙感器上的CAN通信協(xié)議，負(fù)責(zé)對遙感相機(jī)的工作狀態(tài)，如電源、電流、溫度、曝光時間等進(jìn)行控制和監(jiān)測，并實(shí)時傳輸衛(wèi)星圖像數(shù)據(jù)。

2.4 千兆交換機(jī)

BCM5464千兆交換機(jī)是一種4端口數(shù)據(jù)交換裝置，主要由網(wǎng)絡(luò)接口芯片和銅/光纖介質(zhì)接口組成，BCM5464千兆交換機(jī)接口是通過交換原始信號，在銅/光纖介質(zhì)上實(shí)現(xiàn)物理層設(shè)備之間的數(shù)據(jù)交換。采用BCM5464千兆交換機(jī)，有12個可以傳送千兆信號的信道。在BCM5464型千兆交換機(jī)上，通過構(gòu)造 MAC學(xué)習(xí)機(jī)制，實(shí)現(xiàn)數(shù)據(jù)到目標(biāo)端口的交換。

2.5 跟蹤站與控制中心

跟蹤站與控制中心負(fù)責(zé)把星載遙感器的跟蹤和遙控信息從地球站傳送到控制中心，并通過飛船把數(shù)據(jù)發(fā)送回地面。然而，星載遙感器在接收相關(guān)數(shù)據(jù)時受到高頻線性載波影響，無法與地面跟蹤站與控制中心及時取得聯(lián)系。因此，需要調(diào)整航天器和地面接收站的距離，使所有的衛(wèi)星都處于同一軌道，從而形成覆蓋整個中低軌空間的網(wǎng)絡(luò)。如此一來，由兩個衛(wèi)星和一個測控站組成的追蹤站和控制中心就可以取代由世界各地幾個測控站組成的空間測控網(wǎng)。跟蹤站與控制中心結(jié)構(gòu)如圖4所示。

圖4 跟蹤站與控制中心結(jié)構(gòu)

3 高分對地觀測系統(tǒng)軟件部分設(shè)計

在硬件結(jié)構(gòu)的基礎(chǔ)上，設(shè)計高分對地觀測系統(tǒng)軟件流程，構(gòu)建尺度特征卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)，通過RPN網(wǎng)絡(luò)實(shí)現(xiàn)目標(biāo)的前景和背景劃分，提升目標(biāo)提取的準(zhǔn)確性；將識別目標(biāo)的遙感觀測圖像輸入到基于尺度特征的卷積神經(jīng)網(wǎng)絡(luò)中，利用MAP值實(shí)現(xiàn)目標(biāo)信號識別，最后通過設(shè)計高分對地觀測信息管理流程，實(shí)現(xiàn)高分對地觀測系統(tǒng)軟件部分設(shè)計。

3.1 基于尺度特征卷積神經(jīng)網(wǎng)絡(luò)的觀測信號識別

尺度特征卷積神經(jīng)網(wǎng)絡(luò)是一種由RPN網(wǎng)絡(luò)和目標(biāo)識別網(wǎng)絡(luò)組成的卷積神經(jīng)網(wǎng)絡(luò)，其中RPN網(wǎng)絡(luò)用于目標(biāo)坐標(biāo)回歸識別和分類[14]。尺度特征卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)如圖5所示。

圖5 尺度特征卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)示意圖

3.1.1 RPN網(wǎng)絡(luò)

RPN網(wǎng)絡(luò)通過提取目標(biāo)的感興趣區(qū)域特征，實(shí)現(xiàn)了對目標(biāo)結(jié)構(gòu)的檢測與識別。對目標(biāo)來說，感興趣區(qū)域主要包括兩點(diǎn)，即尺度和比例，由這兩點(diǎn)組成的網(wǎng)絡(luò)就是卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)感興趣區(qū)域[15]。在此基礎(chǔ)上，通過目標(biāo)的前景和背景劃分，確定了該區(qū)域內(nèi)的訓(xùn)練興趣區(qū)域坐標(biāo)，從而使RPN網(wǎng)絡(luò)權(quán)值學(xué)習(xí)達(dá)到了預(yù)期目標(biāo)[16]。對遙感觀測圖像的背景建模，公式如下：

(1)

式中，π為目標(biāo)的感興趣區(qū)域范圍，Th、Tg分別為目標(biāo)的前景和背景包含的特征目標(biāo)數(shù)量。

對目標(biāo)的前景和背景進(jìn)行劃分，公式如下：

(2)

式中，f(i,j)為提取到的目標(biāo)遙感觀測圖像，B(i,j)為背景圖像。根據(jù)式(2)得到目標(biāo)圖像前景區(qū)域，并據(jù)此實(shí)現(xiàn)目標(biāo)遙感觀測圖像的信號識別[17]，下文將對此進(jìn)行介紹。

3.1.2 目標(biāo)識別網(wǎng)絡(luò)

目標(biāo)識別網(wǎng)絡(luò)能夠從RPN網(wǎng)絡(luò)中接收目標(biāo)區(qū)域數(shù)據(jù)，通過卷積層、活躍層和池化層進(jìn)行圖像特征提取[18]。目標(biāo)識別網(wǎng)絡(luò)結(jié)構(gòu)如圖6所示。

圖6 目標(biāo)識別網(wǎng)絡(luò)結(jié)構(gòu)圖

輸入層將遙感觀測圖像輸入至目標(biāo)識別網(wǎng)絡(luò)結(jié)構(gòu)中，卷積層實(shí)現(xiàn)遙感觀測圖像的前景劃分，池化層結(jié)合區(qū)域數(shù)據(jù)和特征信息可以獲得星載遙感影像中的特征矢量信息，并通過遙感影像輸出到輸出的輸出層。采用特征向量傳遞的方法對目標(biāo)進(jìn)行識別[19]，計算公式為：

(3)

通過目標(biāo)識別網(wǎng)絡(luò)結(jié)構(gòu)中的多個層級，將K×K個圖像矢量拼接形成矢量特征，實(shí)現(xiàn)了目標(biāo)檢測。

3.1.3 信號識別

在基于尺度特征卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)下，能夠?qū)崿F(xiàn)RPN網(wǎng)絡(luò)和目標(biāo)識別網(wǎng)絡(luò)的高效訓(xùn)練，通過網(wǎng)損疊加方式，結(jié)合隨機(jī)梯度下降方式，對基于尺度特征卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，以此優(yōu)化網(wǎng)絡(luò)參數(shù)，獲取精準(zhǔn)輸出結(jié)果。

通過把遙感觀測圖像輸入到基于尺度特征的卷積神經(jīng)網(wǎng)絡(luò)中，得到n個目標(biāo)感興趣區(qū)域，首先對該區(qū)域的不相關(guān)數(shù)據(jù)進(jìn)行控制，然后選擇前1/n個目標(biāo)進(jìn)入目標(biāo)識別狀態(tài)，之后再選擇后1/n個目標(biāo)進(jìn)行識別，從而得到目標(biāo)的區(qū)域坐標(biāo)[20]，利用MAP值對信號進(jìn)行識別，并隨著MAP值的增大，提高了網(wǎng)絡(luò)結(jié)構(gòu)目標(biāo)檢測與識別的準(zhǔn)確性，計算公式為：

(4)

公式(1)中，n表示信號數(shù)量；i表示信號種類標(biāo)簽；APi表示信號種類標(biāo)簽判斷為i的精度。

3.2 觀測信息管理功能設(shè)計

高分對地觀測系統(tǒng)的信息管理功能負(fù)責(zé)維護(hù)和更新衛(wèi)星資源信息數(shù)據(jù)庫，以及人機(jī)交互管理功能。高分對地觀測信息管理的主要流程如圖7所示。

圖7 高分對地觀測信息管理流程

由圖7可知，對于高分對地觀測信息管理需先啟動軟件啟動，查詢指令通過主界面發(fā)送。在查詢包接收到查詢命令后，檢查查詢條件是否正確，然后執(zhí)行查詢命令返回查詢結(jié)果。通過主界面發(fā)送消息維護(hù)命令，接收維護(hù)命令后，維護(hù)包驗(yàn)證輸入信息，并返回數(shù)據(jù)處理結(jié)果。最終向主屏幕發(fā)送消息刪除命令，命令完成后，向系統(tǒng)返回數(shù)據(jù)處理結(jié)果，由此完成高分對地觀測信息管理。

4 實(shí)驗(yàn)結(jié)果與分析

為了驗(yàn)證基于尺度特征卷積神經(jīng)網(wǎng)絡(luò)的高分對地觀測系統(tǒng)設(shè)計合理性，以文獻(xiàn)[4]方法、文獻(xiàn)[5]方法作為實(shí)驗(yàn)對比方法，進(jìn)行實(shí)驗(yàn)驗(yàn)證分析。

4.1 系統(tǒng)方案

實(shí)驗(yàn)在Matlab仿真軟件中進(jìn)行，采用GF-1衛(wèi)星搭載的WFV傳感器作為實(shí)驗(yàn)觀測設(shè)備，其分辨率為16 m，重復(fù)周期為4 d。以某區(qū)域地形作為觀測目標(biāo)，通過多次觀測試驗(yàn)驗(yàn)證所設(shè)計系統(tǒng)的有效性。

4.2 實(shí)驗(yàn)結(jié)果與分析

4.2.1系統(tǒng)成像機(jī)會

測試3種系統(tǒng)的成像機(jī)會，對比分析結(jié)果如圖8所示。

圖8 三種系統(tǒng)成像機(jī)會對比分析

由圖8可知，使用文獻(xiàn)[4]系統(tǒng)最高成像概率為58%，最低為51%；使用文獻(xiàn)[5]系統(tǒng)最高成像概率為83%，最低為61%；使用基于尺度特征卷積神經(jīng)網(wǎng)絡(luò)觀測系統(tǒng)成像概率始終保持在99%不變。由此可知，使用基于尺度特征卷積神經(jīng)網(wǎng)絡(luò)觀測系統(tǒng)成像機(jī)會較大，系統(tǒng)的觀測成功率較高。

4.2.2 回傳機(jī)會

測試3種系統(tǒng)的回傳機(jī)會，對比分析結(jié)果如圖9所示。

圖9 3種系統(tǒng)回傳機(jī)會對比分析

由圖9可知，使用文獻(xiàn)[4]系統(tǒng)最高回傳概率為80%，最低為78%；使用文獻(xiàn)[5]系統(tǒng)最高回傳概率為90%，最低為88%；使用基于尺度特征卷積神經(jīng)網(wǎng)絡(luò)觀測系統(tǒng)回傳概率始終保持在99.9%不變。由此可知，3種系統(tǒng)回傳機(jī)會都較大，但基于尺度特征卷積神經(jīng)網(wǎng)絡(luò)觀測系統(tǒng)回傳機(jī)會更大。

4.2.3 活動完成率

測試3種系統(tǒng)的活動完成率，對比分析結(jié)果如表1所示。

表1 3種系統(tǒng)活動完成率對比分析 %

由表1可知，使用文獻(xiàn)[4]系統(tǒng)最高完成率為71%，使用文獻(xiàn)[5]系統(tǒng)最高完成率為86%，使用基于尺度特征卷積神經(jīng)網(wǎng)絡(luò)觀測系統(tǒng)最高完成率最低為95%，最高為100%。由此可知，基于尺度特征卷積神經(jīng)網(wǎng)絡(luò)觀測系統(tǒng)活動完成率更大，能夠較為精準(zhǔn)地實(shí)現(xiàn)對地觀測。

5 結(jié)束語

針對綜合資源管理對空間任務(wù)規(guī)劃系統(tǒng)的要求，設(shè)計基于尺度特征卷積神經(jīng)網(wǎng)絡(luò)的高分對地觀測系統(tǒng)。采用尺度特征卷積神經(jīng)網(wǎng)絡(luò)識別觀測信號，為高分對地觀測成像提供了理論基礎(chǔ)。實(shí)驗(yàn)結(jié)果表明，所設(shè)計方法的成像機(jī)會和回傳機(jī)會較高，活動完成率較好。該系統(tǒng)為提高分對地觀測系統(tǒng)精度提供了一定的理論支持，對于發(fā)展我國的高分對地觀測系統(tǒng)具有一定的戰(zhàn)略意義。