摘 要：现有卫星成像概率预估方法受到卫星载荷、成像时间等多方面影响，无法较好完成卫星成像规划任务，为此提出基于大数据分析的卫星成像概率预估研究。分析已有卫星影像资料数据，对成像概率做出预估。设计实验，对比大数据分析成像概率预估方法与传统成像预估方法的预估效果，证明研究的有效性。

关键词：大数据;卫星;成像概率预估;成像时间

卫星在执行任务中，主要依靠卫星成像为任务计划提供重要依据。基于图像估计的预期成像条件可为卫星计划提供重要依据。其中，卫星图像质量是由云量影响的，云量的多少决定卫星成像是否为有效数据，当单个云量少于20%时，可以将其视为有效数据。使用浮动平台，云检测负载和其他方式利用实时云信息可以提高实时卫星任务计划的性能，但所需的经济代价太大;通过分析历史云量信息的时间序列，可以估计图像的有效时间窗口。但是，由于缺乏对云层空间分布的预测，忽略预期图像窗口中的卫星超载，将数值天气预报用于任务计划，虽然效果很直观，但实时天气预报数据与卫星任务规划有一定的相关性，需要较多的人力和时间，从而影响任务规划的执行效率。

上面提到的卫星图像预测技术取决于一些因素，如卫星载荷设计、图像窗口的时间和空间尺度以及实时天气预报数据的兼容性，难以在日常卫星任务计划服务中实现。例如，在卫星天气预测工作中，卫星成像品质直接影响了影像中云量能够成为有效数据[1]。利用历史信息进行时间序列分析，可以有效地估计成像时间，但由于实时预测数据与卫星任务规划系统的互通程度影响了图像的空间分布估计，从而降低了卫星任务规划的运行效率[2]。将卫星载荷、空间尺度、成像窗口时间和实时预报数据的交互作用视为现有方法的影响，在日常卫星任务中较难完成业务规划。为此提出基于大数据分析的卫星成像概率预估研究，利用卫星影像数据库资料进行数据挖掘与分析，较为精准地实现了卫星成像概率预估。

一、基于大数据分析的卫星成像概率预估

本论文设计并实现了一种相对独立且简单的卫星成像预估的方法，该方法已使用专有的卫星图像数据库进行了大数据的智能分析，并在更准确的时空参考条件下实现了卫星图像概率有效的时空分布（Effective Imaging Probability，EIP），能够将实际卫星任务规划作业中卫星成像方法缺乏的有效可行性上的问题。

（一）卫星成像数据分析

大数据技术下卫星成像概率预估，主要结合数据库中存档卫星影像及气象资料，通过存档卫星影像数据，提取任务相关信息[3]。同时根据收集图像概率论与统计学，在一定时间与时段内出现图像符合概率分布规律。卫星影像属性中，CP取值范围为0%～100%，表示影像获取百分比判读结果。以存档影像统计作为空间基准，得到网格有效数据比为：

其中，n为存档影像总数;ci为总数影像中第个影像预判值。以卫星影像任务为准则，n个图像在一定空间范围内m次检测到目标，则认为检测到真实目标n为检测空间范围内半径[4]。在目标次数达到或超过m次时，则会出现图像目标，对目标进行识别、捕获或跟踪。其流程图如下所示。

图1 基于大数据分析的卫星成像概率预估流程图

（二）成像概率预估

分析现有卫星成像数据后，考虑到光学成像噪声影响，当特定外部输入信号加入噪声信号时，卫星探测目标接收的输出信号与高斯分布相对[5-6]。检测图像中出现结果可分为结果图像出现概率P以及图像外事件F，那么在指定m次检测中发生而其余n-m预估中不会发生概率为：

在n次检测中目标P的单检预估为：

根据计算结果，对现有卫星影像资料做出分析。其成像概率密度为：

其中，I为目标信号幅值;I 为噪声均方根值;k为检测图像转换因子。利用检测信噪比，当卫星成像概率阈值信噪比等于输入信噪比，且光学成像目标探测概率一定时，输入信号与信噪比为单调递增函数，且阈值信噪比越低，检测概率越高。根据卫星成像任务实际情况，分析阈值信噪比情况，并对其进行控制，能够有效增加卫星成像概率。

二、实验

（一）实验准备

在仿真平台中同时运行基于大数据分析的卫星成像概率预估方法与传统卫星成像概率预估方法，对比两种方法在同一实验环境下的预估效果。实验中，对同一卫星成像任务进行预估。实验中卫星成像鉴别准则如表1所示。

表1  鉴别准则

两种方法对卫星任务图像数据分别进行10次预测，统计实验结果进行对比分析。

（二）实验结果分析

实验中，两组方法成像概率预估效果分析，如表2所示：

通过分析实验结果可以看出，相对于传统成像概率预估方法，大数据成像概率预估方法无论在探测、识别还是预估概率上效率均有所提升。而传统成像概率预估方法结果受到多种因素影响，其结果稳定性较差。因此可以证明，大数据成像概率预估方法能够有效改善因其他因素影响带来的预估效果偏差，提高预估稳定性。

结束语：

根据上文分析可知，结合卫星图像资料，分析存档影像统计，同时，估算出卫星成像概率，实现对卫星影像数据库最大的数据挖掘。通过对存档影像数据资料分析显示，在实际任务应用中，基于大数据分析的卫星成像概率预估方法能够拥有较高时效性，提升图像预估时间分辨率。在后续研究中卫星获取影像数据不断积累，通过对存档影像资料的更新，不断提升成像概率预估准确性。希望本文研究能够为今后卫星成像的研究提供参考依据。

参考文献：

[1]张曼利，章文毅，马广彬，等.应用改进多种群遗传算法的多星成像目标规划方法[J].航天器工程，2020，29（04）：40-45.

[2]郑玉君，侯振隆，巩恩普，等.基于深度加权的多分量重力梯度数据联合相关成像方法[J].吉林大学学报（地球科学版），2020，50（04）：1197-1210.

[3]高贺利，陈杰，杨威，李春升.一种宽幅星载TOPSAR数据高效成像算法[J].南京信息工程大学学报（自然科学版），2020，12（02）：204-209.

[4]孙先亮，李健，韩哲哲，等.基于数据驱动的卷积神经网络电容层析成像图像重建[J].化工学报，2020，71（05）：2004-2016.

[5]吳帅，张占月，张海涛.基于Agent的成像侦察体系建模与仿真技术研究[J].计算机仿真，2019，36（10）：59-64+178.

[6]王希哲，黄昌勤，朱佳，等.学习云空间中基于大数据分析的学情预测研究[J].电化教育研究，2018，39（010）：60-67.

作者简介：王莉（1980-），女，山东省武城人，宿迁学院，硕士，讲师。研究方向：统计分析与随机过程。