月球轨道器光学图像在轨压缩的数据集构建及质量评估
《Icarus》:Dataset construction and quality assessment of on-board compression for lunar orbiter optical images
【字体:
大
中
小
】
时间:2026年08月28日
来源:Icarus 3.2
编辑推荐:
**摘要**
在月球探测任务中,获取月球轨道器相机拍摄的高分辨率光学影像数据对于科学研究和工程任务至关重要。然而,受卫星设计限制(如星上存储容量和下行链路带宽约束),卫星影像通常需要在传输前进行星上压缩。在卫星发射前,必须对与星上压缩相关的参数进行测试,而压缩测试数据集的构
**摘要**
在月球探测任务中,获取月球轨道器相机拍摄的高分辨率光学影像数据对于科学研究和工程任务至关重要。然而,受卫星设计限制(如星上存储容量和下行链路带宽约束),卫星影像通常需要在传输前进行星上压缩。在卫星发射前,必须对与星上压缩相关的参数进行测试,而压缩测试数据集的构建在这一过程中起着至关重要的作用。本研究构建了一个专门针对月面场景的高分辨率光学影像数据集,用于评估月球轨道器影像的星上压缩质量。该数据集考虑了月面场景信息,包括月面时间相位、光照条件和地形特征。我们对数据集进行了质量评估,结果表明随着压缩比的增加,影像质量显著下降。基于客观指标,当压缩比约为4时,影像质量变化相对较小。此外,在相同压缩比下,太阳入射角越高,压缩后影像质量下降越显著。
**引言**
卫星影像是科学研究和工程应用中深空探测的主要数据来源(Yang和Zhao,2015;Yang和Zhao,2023)。随着技术进步和月球探测需求的不断增长,成像分辨率不断提高,对星上存储、数据速率和下行传输带来了更大的压力,需要更大容量的星上存储以及更高的下行带宽。因此,原始光学影像必须在传输前进行星上压缩(Ma,2023),以减轻对星上存储、数据速率和数据下行的压力。星上压缩参数的设计需要在卫星发射前通过压缩评估来实现。星上压缩影像的质量评估对于验证卫星的星上压缩指标以及评估压缩影像质量是否满足应用需求具有重要意义。现有的压缩评估研究主要集中在地球影像上。由于地球和月球之间存在显著差异,数据集和评估方法不能完全适用于月面场景。在嫦娥四期任务的迫切需求下(Wang等,2024),建立针对高分辨率月球影像的全面星上压缩评估分析系统具有重要的意义。
深空探测和地球观测任务中的下行数据速率瓶颈并非新出现的问题,而是自太空时代之初就一直存在并不断演变的基本约束。20世纪80年代的旅行者号任务通过实施星上差分编码实现了重要里程碑,在遭遇外行星期间将通信速率降低了2.5倍(Urban,1987;Mudgway,2001)。这些早期成功将数据压缩确立为在带宽受限的下行链路中最大化科学回报的关键技术。火星探路者号(1997年)采用无损Rice算法作为其主要压缩方法(Smith等,1997)。伽利略号任务的高增益天线在1991年发生故障后,促使开发了整数余弦变换压缩方法用于紧急低带宽传输(Cheung等,1996),但这仍然是一个特例而非标准做法。虽然月球勘测轨道器(LRO)得益于充足的下行容量实现了无损压缩(Humm等,2016),但未来的任务如嫦娥七号面临更大的挑战。嫦娥七号的高分辨成像光谱仪(HRSMC)在15公里轨道高度上可实现优于0.075米的全色分辨率,且条带宽度≥18公里(Wang等,2024)。结合五个同时运行的轨道器载荷以及通过鹊桥二号的接力通信,这些限制使得有损压缩对于可靠的数据传输变得必不可少。
在过去十年中,各种月球轨道器从月球传回了大量高分辨率影像数据。例如,月球勘测轨道器(LRO)、日本月球地质资源卫星(SELENE)和中国的嫦娥二号等任务返回了中分辨率和高分辨率月球影像,为研究人员提供了丰富的月球视觉信息(Robinson等,2010;Haruyama等,2014;Ou,2013)。由于这些影像分辨率高且卫星下行带宽有限,高分辨率影像通常需要在传输前进行压缩。星上压缩算法主要分为无损压缩和有损压缩(Hussain等,2018)。无损压缩是指压缩后的影像在解压后可以完全恢复到原始状态,确保没有信息丢失,在月球探测中更为常用。而有损压缩则是地球探测中更常用的星上压缩方法。表1总结了高分辨率月球影像传输的关键压缩参数。在月球探测中,分辨率最高的LRO NAC影像以1.7:1的无损压缩比传输(Humm等,2016)。SELENE的可见光影像压缩比小于80%,而近红外影像则未经压缩直接传输(Ohtake等,2008)。此外,中国嫦娥二号的影像在传输前以8:1的比例进行压缩。这些结果表明,虽然来自不同任务的月球影像在下行前均进行了压缩,但由于卫星设计的差异,所采用的压缩算法和压缩比存在显著不同。基于获取的大量高分辨率影像,根据每颗卫星的具体设计特点确定适当的影像有损压缩参数,需要对星上影像压缩性能进行广泛的发射前评估。
要进行星上压缩评估,第一步是建立一个满足压缩评估要求的影像数据集。其次,选择星上压缩算法,最后评估星上压缩质量。压缩评估数据集的构建可以有效支持压缩评估算法的开发和验证。在构建此类数据集方面,大多数地球相关研究采用卫星模拟影像或航空摄影作为实验数据(Zhai等,2007),选择城市、丘陵和山地等多样化地貌区域进行压缩评估。尽管已有地球压缩评估数据集,但只有少数学者在该领域进行了系统研究。对于月球而言,压缩评估数据集的构建仍处于起步阶段,目前尚无全面的月球压缩评估影像数据集。由于地球地貌与月球地貌存在显著差异,现有的地球压缩评估数据集无法直接应用于月球星上压缩评估。
最常用的压缩算法包括JPEG压缩(Wallace,1992)、JPEG-LS压缩(Memon等,2005)和JPEG2000压缩(Skodras和Ebrabimi,2001)。尽管这些方法会引入一定程度的信息损失,但由于具有较高的压缩比,被广泛应用于星上影像压缩。近年来,研究人员基于深度学习和其他算法提出了许多新型压缩方法(Furutanpey等,2024;Du等,2025)。卫星星上压缩质量评估通常指评估压缩后影像的质量并判断其是否满足相关测绘应用的需求。压缩评估的主要任务是建立评估指标并基于这些标准对影像进行评估。全球研究人员在星上压缩质量评估领域开展了广泛研究,提出了多种压缩评估方法和指标(Li和Wang,2009;Wang等,2004;Wang等,2003)。压缩评估方法通常分为主观评估和客观评估。客观评估包括影像质量评估和几何质量评估(Zhai等,2009)。通过主观和客观质量评估的结合可以得出令人信服的结论。目前,客观评估方法主要从像元DN统计值、纹理特征、影像噪声、信息量等方面评估遥感影像。在当前阶段,影像质量评估方法中客观评估影像的基本指标主要包括DN标准差、对比度、信息熵、信噪比(SNR)、峰值信噪比(PSNR)等指标(Candra等,2023;Lepcha等,2022;Shuang等,2017;Wang和Li,2011;Yang等,2025)。在地球相关研究中,影像质量评估方法已相当成熟。然而,尚未开发出专门适用于月球独特特征的压缩影像质量评估模型。在评估月球任务的星上压缩质量时,需要根据月球特定条件对现有方法进行适应性改进。这凸显了开发针对月球压缩影像的专用评估框架的重要性。总之,现有大多数研究聚焦于地球影像评估,而针对月球地貌特征的影像质量评估研究相对有限。此外,月球星上影像数据集的构建是开展影像质量评估的首要任务。
本文考虑月球场景的独特性,构建了一个月球压缩评估数据集。我们初步构建了月球压缩影像评估模型,以满足月球科学研究和工程任务的需求。本研究将为嫦娥七号任务的星上压缩指标验证提供参考,甚至为未来更高分辨率月球探测卫星影像的压缩和传输提供参考。
**数据**
在我们的研究中,使用月球勘测轨道器窄角相机(LRO NAC)的高分辨率影像,结合月面场景构建影像压缩评估数据集,并对数据集中的影像进行了初步压缩评估。LROC NAC是LRO任务的重要载荷,从50公里高度提供像素比例尺为0.50米的月面全色影像(Robinson等,2010),这是目前分辨率最高的月球轨道影像。
**方法论**
该方案可分为两个部分:月球轨道器光学影像数据集构建和压缩质量评估。图1展示了数据集构建和质量评估的流程图。
要进行月球压缩评估,首先需要构建一个面向月面场景的高分辨率影像压缩评估数据集。因此,本研究考虑了月面场景信息,构建了月球上的高分辨率影像数据集。
**月球轨道器光学影像数据集构建**
我们选择了482幅具有不同时间相位和地貌特征的影像数据来构建月球压缩评估数据集。为方便开展压缩评估,每块数据的宽和高均为2048个像元。数据集中的所有数据均已预处理为10位数据,与未来嫦娥七号月球探测任务采用的位深一致。需要注意的是,LROC NAC原始获取的数据为12位数字化,
**结论**
在国家嫦娥四期任务需求下,构建月球星上压缩评估数据集并评估影像压缩质量具有重要意义。月球轨道器星上影像数据集的构建可用于压缩质量评估,并为未来月球探测任务中星上压缩参数的设置提供参考。根据客观指标,当压缩比约为1:4时,影像质量变化相对较小。
**CRediT作者贡献声明**
Xin Xin:原稿撰写、可视化、验证、软件、方法论、调查、形式分析、数据整理、概念构思。Fucong Chen:原稿撰写、可视化、软件、数据整理。Bin Liu:原稿撰写、软件、方法论、资金获取、形式分析、概念构思。Bin Xie:验证、软件、方法论、数据整理。Zuwei Chen:验证、软件、方法论、数据整理。Hao Liang:验证、软件、
**利益冲突声明**
作者声明,他们没有已知的利益冲突或个人关系可能影响本文所报告的工作。
**致谢**
本工作得到了国家自然科学基金(编号:42595541)、天津市自然科学基金项目(编号:25JCYBJC00180)和江苏省自然资源厅地质时空信息科技创新中心开放课题(编号:DZSKXX202508)的支持。
Xin Xin | Fucong Chen | Bin Liu | Bin Xie | Zuwei Chen | Hao Liang
天津城建大学 地质与测绘学院,天津,中国
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号