保护空间环境：从光学观测图像中搜寻空间碎片

看过电影《地心引力》的人，多半对这一幕印象深刻：高速飞行的空间碎片像暴雨般撞向空间站，宇航员在舱外挣扎求生。虽然这是科幻作品中的场景，但现实中，太空里的 “垃圾”—— 也就是空间碎片，逐渐成为威胁人类航天活动的 “隐形杀手”。我们通常将空间碎片定义为地球轨道上或再入大气层的无功能的人造物体，也包括其碎片及组成部分。随着人类空间活动的日益频繁，空间碎片数量急剧增加（如图1），目前太空监视网络定期跟踪并记录在其目录中的太空物体数量约为 42080 颗，但是仍有大量的空间碎片需经搜索发现，这些未知的碎片对太空探测和人类安全造成重大威胁（如图2），研究更加精确的空间碎片识别技术成为了当前研究的重点内容之一。

图1 空间碎片的数量随时间累计增长数据（来源：ESA）[1]

图2 卫星相撞产生空间碎片示意图（来源：ESA） [2]

具体而言，无论是对空间碎片的监测预警，还是未来对其实施清理，都需要对空间碎片进行检测和识别。空间碎片的探测方式通常包括光学观测、雷达观测和激光测距等方法。近年来，随着大视场和大口径望远镜的发展与应用，光学观测在空间碎片探测领域的能力不断提升，且光学望远镜具有 “成本低、看得远” 的优势，是探测空间碎片的重要手段。

但如何从光学望远镜拍摄的图像中发现并跟踪空间碎片呢？本篇文章将为读者介绍空间碎片的光学图像检测与跟踪方法。

一.望远镜怎么 “盯” 上空间碎片？

空间碎片本身不会发光，望远镜只能监测其反射的太阳光来发现它们。为了应对空间碎片带来的安全问题，多个国家和航天机构纷纷通过自主研发或国际合作的方式，积极构建专门的空间碎片望远镜及监测网络 —— 例如欧空局（ESA）的空间碎片望远镜SDT（Space Debris Telescope）、瑞士伯尔尼大学天文研究所（Astronomical Institute of the University of Bern, AIUB）的激光和天体测量望远镜ZIMLAT（Zimmerwald Laser and Astrometry Telescope）、美国航天局（NASA）的密歇根轨道碎片调查望远镜MODEST（Michigan Orbital Debris Survey Telescope）等（如图3所示），它们都是典型的空间碎片监测地基光学观测设备，用于提升对空间碎片的探测与跟踪能力。

图3 典型地基光学望远镜空间碎片探测系统[3]。(a) SDT (b) ZIMLAT (c) MODEST

光学望远镜观测空间碎片的常用方式主要有恒星跟踪模式和目标跟踪模式两种。恒星跟踪模式即望远镜跟踪恒星，使恒星在图像中呈现点像，当空间碎片进入视场时由于自身快速的轨道运动，经过较长曝光时间在图像中留下条纹（Stripe）形状，如图4(a)所示。目标跟踪模式即望远镜根据预测的目标轨道参数沿空间碎片运动轨迹进行跟踪成像，此时空间碎片在图像中呈现点像，长曝光时间下背景恒星反而显示为条纹形状，如图4(b)所示。

图4 空间目标观测图像。(a) 恒星跟踪模式下拍摄图像（口径200 mm望远镜拍摄） (b) 目标跟踪模式下拍摄图像（口径1m望远镜拍摄）

二.空间碎片的检测与跟踪方法

获取原始光学图像后，我们首先必须准确识别图像中的空间碎片，这一关键步骤决定了后续跟踪监视和处置任务的有效性。当前，基于光学图像的空间碎片识别方法主要分为单帧检测和多帧检测两类：单帧检测侧重于从单幅图像中提取碎片特征，而多帧检测则利用时序信息提升识别可靠性。

单帧图像目标识别的成功率依赖于空间碎片条纹的形状和强度特性，因此仅当空间碎片在图像中形成较长的条纹形状时，才能采用单帧图像方法区别恒星与空间碎片。单帧图像目标识别方法主要包括以下四类[4]：（1）传统光学图像处理方法，即提取物体的特征和信息，包括图像分割、形态学处理、滤波等技术；（2）模板拟合方法，即设置目标的模板，然后将目标模板与图像进行匹配，找到图像中与目标模板相似度最高的区域；（3）强度累积方法，根据图像中目标条纹与点状恒星的强度分布不同，利用强度累积的方法找到目标条纹；（4）深度学习方法，即从数据中自动学习特征并进行分类、回归等任务。图像中空间碎片条纹的光度分布模式、条纹形态及强度变化等均呈现稳定的内在规律，可作为神经网络模型的关键输入特征。通过训练神经网络模型识别这些特征，可实现对空间碎片的有效检测。

上述常用的空间目标条纹识别方法各有优劣，在实际应用过程中，经常结合多种方法实现空间碎片的识别，图5显示了采用传统光学图像处理方法识别到的空间碎片。

图5 传统光学图像处理方法的空间碎片检测结果（绿色轨迹），图中一共检测到三个独立的空间碎片

从单帧图像识别到空间碎片条纹后，我们利用多帧图像中的运动信息可以进一步确定目标，减小将其错误识别为其他目标的概率。当无法进行长时间曝光时，相对运动速度较慢的空间碎片在图像中可能呈现点像，这些空间碎片图像缺少运动方向、速度等信息，难以通过单帧图像准确区分碎片与恒星，因此需要利用多帧图像序列的运动特征进行进一步辨识。

多帧图像目标识别与跟踪方法主要有两种思路[5]：

(1)检测前跟踪TBD（Track Before Detect）：先大致预测碎片可能的运动轨迹，再沿着预测轨迹在多张照片里找线索。这种方法适合信噪比低、干扰多的情况，但需要处理大量数据，比较耗时。

(2)先检测后跟踪DBT（Detect Before Track）：先在每张图像里标出可能是碎片的点，再串联这些点，判断是否符合碎片的运动规律。这种方法简单快速，适合信噪比高、干扰少的场景。

随着大视场大口径望远镜的发展，其探测灵敏度的提高和观测视场的增大，使得观测图像中存在多个不同运动速度和运动方向的空间碎片，这些目标的复杂运动状态，为空间碎片的实时检测与持续跟踪带来了新的技术挑战。图6显示了大视场观测图像中的多个空间碎片运动场景。

图6 多个空间碎片运动仿真图像

人工智能技术的快速发展，为多空间碎片的检测与跟踪提供了新的技术路径。其中，基于深度学习的方法能够有效处理大视场观测中多目标的复杂运动特征，在空间碎片检测与跟踪领域展现出巨大潜力。图7展示了利用深度学习方法对仿真图像和实测图像进行空间碎片检测与跟踪的结果[6]。这类空间碎片光学图像处理分析方法，有望成为未来空间碎片监测的重要技术手段。

（a）

（b）

图7 利用人工智能方法实现图像中的空间碎片检测与跟踪，其中TT表示点目标，TOM表示条纹目标。(a)空间碎片仿真图像的检测与跟踪 (b)空间碎片实际观测图像的检测与跟踪（新疆天文台南山1m大视场望远镜拍摄）

实现准确识别和跟踪空间碎片后，科学家能够计算出它们的位置、速度和轨道，给这些 “太空垃圾” 编目。这不仅能提前预警碰撞风险，还能为未来清理碎片、回收太空资源打基础。随着人类探索太空的脚步越来越远，一个干净、安全的太空环境，才是人类太空活动的 “保险”。

参考文献

[1]https://sdup.esoc.esa.int/discosweb/statistics/

[2]https://dlmultimedia.esa.int/download/public/videos/2021/04/008/2104_008_AR_EN.mp4

[3]Ilha J .Small telescopes and their application in space debris research and space surveillance tracking[J].Contributions of the Astronomical Observatory Skalnate Pleso, 2019, 49.

[4]王磊,张晓明,王建峰,等.光学图像中空间物体条痕检测方法综述[J].天文学进展,2024,42(03):473-493.

[5]Davey S J , Rutten M G , Cheung B . A Comparison of Detection Performance for Several Track-foefore-Detect Algorithms[J]. EURASIP journal on advances in signal processing, 2008(10):2008.

[6]Wang L, Zhang X, Bai C, et al. Rapid automatic multiple moving objects detection method based on feature extraction from images with non-sidereal tracking[J]. Monthly Notices of the Royal Astronomical Society, 2024, 534(1): 385-399.

[7]封面图来自ESA

作者简介

王磊，理学博士，中国科学院国家天文台工程师，主要研究方向为天文图像处理与运动目标检测与跟踪技术研究。

来源：中国科学院国家天文台

编辑：姬子隰

转载内容仅代表作者观点

不代表中科院物理所立场

如需转载请联系原公众号