基于探测器复用和视场形状调制编码的混叠图像中智能变形小目标识别算法

《Optics & Laser Technology》：Intelligent deformed small target recognition algorithm in aliased images based on detector multiplexing and Field-of-View shape modulation coding

空间红外预警系统受限于探测器阵列尺寸，难以实时感知和精准定位远距离微弱移动目标。本文提出基于探测器重用和视场形状调制的智能变形小目标识别算法，通过引入圆柱面镜产生视场相关光斑形态畸变，构建运动轨迹与光斑形态的联合模型实现高精度解调。实验表明该方法在10800帧序列中检测率达93.86%，虚警率1.83%，X/Y方向角均方根误差分别为9.28和24.06角秒，验证了其工程可行性。通过物理编码替代硬件扩容，在单探测器架构下实现了大视场覆盖，为空间红外系统提供了优化的工程解决方案。

　　

Zibo Yu|Siqi Zhao|Shuai Liu|Yingming Zhao|Chenglong Yang|Yibo Li|Chunyu Liu

中国科学院长春光学精密机械与物理研究所，中国吉林省长春市130033

摘要

由于探测器阵列尺寸的限制，空间红外预警系统在实现宽范围内微弱移动物体的实时感知和精确定位方面面临重大挑战。本文提出了一种基于探测器复用和视场形状调制编码的智能变形小目标识别算法。该算法提取并跟踪混叠图像序列中的时空形态特征，构建轨迹-形状联合模型，从而实现稳健的区分和高精度定位。在10,800帧的实验中，该算法的检测率为93.86%，误报率为1.83%，角度RMS误差分别为9.28角秒（X轴）和24.06角秒（Y轴），与仿真结果一致，证明了其在宽场红外成像中的稳健性和可行性。这种方法通过单探测器多区域成像显著降低了硬件成本，同时通过优化帧间隔选择保持了实时响应能力，实现了有利的工程折中。

引言

基于空间的红外预警系统是星载光学传感的关键应用之一。它们被广泛用于持续监测地球表面和近地空间中的高温辐射事件[1]，特别是像飞机尾迹[2]、碎片燃烧和其他瞬态热现象[3] [4]这样的点状红外目标。卫星载荷红外探测器的制造技术进步[5] [6] [7] [8] [9] 在一定程度上实现了大面积覆盖；然而，当前焦平面设备的有限阵列尺寸、像素间距和灵敏度仍然对可实现的视场（FOV）[10] [11] 产生了严格限制。因此，单颗卫星通常无法提供连续的宽区域监视覆盖，使得在探测器受限条件下实现大FOV红外预警成为一项长期的技术挑战。

为缓解FOV扩展与探测器规模之间的固有矛盾，提出了多种方法，大致可分为四类：$\left(1\right)$基于扫描的宽幅成像（推扫式/扫掠式），$\left(2\right)$多卫星星座和分布式架构，$\left(3\right)$大格式探测器技术，以及$\left(4\right)$光学和光机械结构创新。推扫式成像利用轨道运动实现宽区域覆盖，但需要高度稳定的姿态控制和大量的机载处理[12] [13] [14]，而稀疏的时间采样可能导致快速移动的目标被遗漏[15]。多卫星星座改善了时空覆盖范围，但带来了编队控制、载荷协调和高速率数据链路的重大负担[16] [17]。增加探测器阵列尺寸是一个直观的解决方案，但高灵敏度的大格式红外焦平面面临复杂的制造成本[18] [19]。光学结构优化[20] [21] [22] 和多焦平面架构[23] [24] 也已被探索，但它们往往难以在复杂的检测场景中保持灵敏度、实时操作和工程可行性。尽管在某些情况下有效，现有策略通常需要大量的硬件扩展或系统级复杂性，因此难以在大规模、长寿命的预警任务中部署。

传统的红外小目标检测主要依赖于背景抑制和局部统计方法，如顶帽滤波、最大中值/均值运算符、LoG/DoG增强和多尺度统计建模。这些方法在衍射受限且未调制的成像条件下是可靠的。近年来，几种基于深度学习的IRST方法（如RRCANet和FM-Net）在传统的衍射受限成像条件下取得了显著进展[25] [26]。这些方法通常依赖于在标准小目标模式上训练的卷积或注意力架构。一些新兴技术（如DSAD、SPMix-Q）也被视为数据驱动IRST研究的潜在方向[27] [28]。然而，这些方法是为未调制的红外图像设计的，并假设目标外观是一致的，而本文中的成像模型有意引入了由离轴像差引起的PSF变形以实现FOV依赖的编码。此外，基于深度学习的IRST框架通常需要大量的计算资源、内存带宽和功耗，使得它们难以在资源受限的在轨处理平台上部署。因此，这些模型不适用于本研究中考虑的混叠和物理调制观测。

为了解决这些限制，本文提出了一种探测器复用和FOV分区调制策略，使用单个小格式探测器实现大FOV红外预警。该概念在前端引入了一个光学编码模块，将多个子FOV折叠到单个焦平面区域上，有效压缩了探测器需求而不牺牲覆盖范围。在此基础上，我们构建了一个时空小目标识别和FOV区分框架，该框架联合利用了混叠PSF的运动轨迹和形态演变。通过跟踪帧与帧之间的点特征（包括质心运动、面积变化、主轴旋转和各向异性缩放），建立了一个稳健的轨迹-形态关联模型，以唯一推断移动点目标的真实物体空间FOV。

该策略旨在克服一个根本限制：提高探测器采样能力。无论是通过更大的阵列、更高的帧率还是平台运动补偿，都会在读出带宽、功耗和系统成本方面不成比例地增加，从而对大规模星载部署构成挑战。我们没有增加采样资源，而是将额外的FOV区分信息直接嵌入到成像过程中。放置在中间图像平面上的圆柱镜引入的离轴像差自然引起了区域依赖的PSF各向异性。随着目标的移动，其轨迹和工程化的PSF共同编码了空间信息，产生了运动行为和点形态之间的确定性耦合。这为即使在探测器复用情况下也能实现明确的FOV解码提供了物理机制。

所提出的方法与计算成像和点扩散函数（PSF）工程的最新进展紧密相关，其中光学系统被有意设计为通过受控的相位或幅度调制生成特定任务的PSF [29] [30] [31]。通过利用简单的像差元件而不是复杂的衍射结构，该方法将轻量级的光学编码与低复杂度的轨迹-形状解码算法相结合。它保留了小格式红外探测器的低功耗和低成本优势，同时实现了宽FOV覆盖，从而为下一代基于空间的红外预警系统提供了一条可扩展且工程上可行的路径。

章节摘录

理论基础

在探测器复用组件折叠光路后，原本在大阵列探测器上成像的不同视场目标最终在同一小阵列探测器上成像。为了使具有不同视场角的目标在探测器上显示不同的几何特征，引入了一个圆柱镜来调节和塑造前组系统输出的汇聚光

混叠图像序列中的智能变形小目标识别算法

本文中的“智能”一词指的是一种物理驱动的计算成像策略，其中由离轴像差引起的PSF变形编码了依赖于FOV的几何趋势，确定性解码算法从这些趋势中恢复目标的FOV区域。本文提出的识别过程不基于深度学习架构。

本文利用目标帧间运动轨迹与光点形状变化趋势之间的相关性

包括地球背景辐射的目标运动数据集模拟

为了增强智能识别算法在混叠图像中小目标的应用场景的真实性，进行了基于空间的红外预警系统观测移动地面目标的模拟，考虑了地球辐射的影响。在0.9–2.1 μm的近红外波段，由于温度限制，地球表面发出的辐射强度相对较弱，而大气中的水蒸气和二氧化碳

实验分析

为了进一步验证模拟分析的可靠性并评估算法在真实成像条件下的性能，对实验图像序列进行了目标识别和定位精度的系统测试。实验采用了短波红外（SWIR）成像系统作为观测平台，覆盖了0.9–2.1 μm的波长范围。探测器是一个640 × 512像素的未冷却红外焦平面阵列（FPA），单像素大小为

结论

本文提出了一种基于混叠图像调制的智能变形小目标识别算法，以解决在单探测器复用成像配置下宽场基于空间的红外（SBIR）预警系统中可靠的目标识别和空间定位挑战。所提出的方法结合了点形状演变分析、旋转状态跟踪和运动轨迹耦合，实现了视场（FOV）的联合区分

CRediT作者贡献声明

Zibo Yu：撰写 – 审稿与编辑，撰写 – 原始草稿，可视化，验证，软件，方法论，调查，形式分析，数据管理，概念化。Siqi Zhao：撰写 – 审稿与编辑，调查，形式分析。Shuai Liu：验证，资源。Yingming Zhao：软件，形式分析。Chenglong Yang：形式分析，数据管理。Yibo Li：数据管理，概念化。Chunyu Liu：监督，项目管理，概念化。

利益冲突声明

作者声明他们没有已知的可能会影响本文所述工作的竞争性财务利益或个人关系。

致谢

本工作得到了国家自然科学基金（授权号：62175236）的支持。