Da esquerda para a direita:detritos espaciais modelados como um agrupamento de seis objetos reflexivos, uma imagem desenvolvida dos destroços sem levar em conta a rotação dos objetos, e uma imagem desenvolvida após contabilizar a rotação dos objetos. A contabilização da rotação produz uma imagem muito mais clara. Crédito:Matan Leibovich, George Papanicolaou, e Chrysoula Tsogka.
O lixo não é um problema apenas na Terra. De acordo com a NASA, atualmente existem milhões de pedaços de lixo espacial na faixa de altitudes de 200 a 2, 000 quilômetros acima da superfície da Terra, que é conhecido como órbita terrestre baixa (LEO). A maior parte do lixo é composta de objetos criados por humanos, como peças de espaçonaves antigas ou satélites extintos. Esses detritos espaciais podem atingir velocidades de até 18, 000 milhas por hora, representando um grande perigo para os 2, 612 satélites que operam atualmente na LEO. Sem ferramentas eficazes para rastrear detritos espaciais, partes do LEO podem até se tornar muito perigosas para os satélites.
Em um jornal publicado hoje no SIAM Journal on Imaging Sciences , Matan Leibovich (New York University), George Papanicolaou (Universidade de Stanford), e Chrysoula Tsogka (Universidade da Califórnia, Merced) apresenta um novo método para obter imagens de alta resolução de objetos em movimento e rotação no espaço, como satélites ou detritos em LEO. Eles criaram um processo de imagem que primeiro utiliza um novo algoritmo para estimar a velocidade e o ângulo em que um objeto no espaço está girando, em seguida, aplica essas estimativas para desenvolver uma imagem de alta resolução do alvo.
Leibovich, Papanicolaou, e Tsogka usou um modelo teórico de um sistema de imagem espacial para construir e testar seu processo de imagem. O modelo retrata um pedaço de entulho em movimento rápido como um aglomerado de pequenos, objetos altamente reflexivos que representam as bordas fortemente reflexivas de um item em órbita, como os painéis solares de um satélite. O conjunto de refletores se move junto com a mesma velocidade e direção e gira em torno de um centro comum. No modelo, múltiplas fontes de radiação na superfície da Terra - como as estações de controle de solo dos sistemas globais de navegação por satélite - emitem pulsos que são refletidos por fragmentos de destroços espaciais. Um conjunto distribuído de receptores detecta e registra os sinais que refletem nos alvos.
O modelo se concentra em fontes que produzem radiação na banda X, ou de frequências de 8 a 12 gigahertz. "É bem sabido que a resolução pode ser melhorada usando frequências mais altas, como a banda X, "Disse Tsogka." Frequências mais altas, Contudo, também resultam em distorções na imagem devido às flutuações ambientais dos efeitos atmosféricos. "Os sinais são distorcidos pela turbulência do ar à medida que viajam do alvo para os receptores, o que pode tornar a imagem de objetos no LEO bastante desafiadora. A primeira etapa do processo de imagem dos autores foi, portanto, correlacionar os dados obtidos em diferentes receptores, o que pode ajudar a reduzir os efeitos dessas distorções.
Da esquerda para a direita:Uma imagem desenvolvida de um cluster de objetos reflexivos usando a migração de um único ponto de correlações cruzadas, a imagem de classificação 1, e migração Kirchhoff. As imagens de migração de classificação 1 e Kirchhoff são muito melhor resolvidas do que a imagem de migração de ponto único. Crédito:Matan Leibovich, George Papanicolaou, e Chrysoula Tsogka.
O diâmetro da área abrangida pelos receptores é chamado de abertura física do sistema de imagem - no modelo, isto é cerca de 200 quilômetros. Em condições normais de imagem, o tamanho da abertura física determina a resolução da imagem resultante; uma abertura maior gera uma imagem mais nítida. Contudo, o movimento rápido do alvo de imagem em relação aos receptores pode criar um abertura sintética inversa , em que os sinais que foram detectados em vários receptores conforme o alvo se movia em todo o seu campo de visão são sintetizados de forma coerente. Esta configuração pode efetivamente melhorar a resolução, como se o sistema de imagem tivesse uma abertura maior do que a física.
Os objetos no LEO podem girar em escalas de tempo que variam de uma rotação completa a cada poucos segundos a algumas centenas de segundos, o que complica o processo de imagem. Portanto, é importante saber - ou pelo menos ser capaz de estimar - alguns detalhes sobre a rotação antes de revelar a imagem. Os autores, portanto, precisaram estimar os parâmetros relacionados à rotação do objeto antes de sintetizar os dados de diferentes receptores. Embora simplesmente verificar todos os parâmetros possíveis para ver quais produzem a imagem mais nítida seja tecnicamente viável, fazer isso exigiria muito poder computacional. Em vez de empregar essa abordagem de força bruta, os autores desenvolveram um novo algoritmo que pode analisar os dados de imagem para estimar a velocidade de rotação do objeto e a direção de seu eixo.
Depois de contabilizar a rotação, a próxima etapa no processo de imagem dos autores foi analisar os dados para desenvolver uma imagem dos detritos espaciais que, esperançosamente, seria o mais preciso e bem resolvido possível. Um método que os pesquisadores costumam empregar para este tipo de imagem de objetos em movimento rápido é a migração de um único ponto de correlações cruzadas. Embora as flutuações atmosféricas geralmente não prejudiquem significativamente esta técnica, não tem uma resolução muito alta. Diferente, abordagem de imagem comumente usada, chamada de migração de Kirchhoff, pode atingir uma alta resolução, uma vez que se beneficia da configuração de abertura sintética inversa; Contudo, a desvantagem é que ele é degradado pelas flutuações atmosféricas. Com o objetivo de criar um esquema de imagem que não seja muito afetado pelas flutuações atmosféricas, mas ainda mantenha uma alta resolução, os autores propuseram uma terceira abordagem:um algoritmo cujo resultado eles chamam de imagem de classificação 1. "A introdução da imagem de classificação 1 e sua análise de resolução para objetos em movimento rápido e girando é a parte mais nova deste estudo, "Leibovich disse.
Para comparar o desempenho dos três esquemas de imagem, os autores deram dados simulados de um objeto girando no LEO para cada um e compararam as imagens que produziram. Emocionante, a imagem de classificação 1 foi muito mais precisa e bem resolvida do que o resultado da migração de um único ponto. Ele também tinha qualidades semelhantes ao resultado da técnica de migração de Kirchhoff. Mas este resultado não foi totalmente surpreendente, dada a configuração do problema. "É importante notar que a imagem de classificação 1 se beneficia da rotação do objeto, "Papanicolaou disse. Embora um objeto giratório gere dados mais complexos, pode-se realmente incorporar essas informações adicionais à técnica de processamento de imagem para melhorar sua resolução. A rotação em certos ângulos também pode aumentar o tamanho da abertura sintética, o que melhora significativamente a resolução da migração Kirchhoff e das imagens de classificação 1.
Outras simulações revelaram que a imagem de classificação 1 não é facilmente confundida por erros no novo algoritmo para a estimativa dos parâmetros de rotação. Também é mais robusto aos efeitos atmosféricos do que a imagem de migração de Kirchhoff. Se os receptores capturam dados para uma rotação completa do objeto, a imagem de classificação 1 pode até atingir a resolução de imagem ideal. Devido ao seu bom desempenho, este novo método de imagem pode melhorar a precisão da imagem dos satélites LEO e detritos espaciais. "Geral, este estudo lançou luz sobre um novo método para imagens de objetos em movimento e rotação no espaço, "Disse Tsogka." Isso é de grande importância para garantir a segurança da banda LEO, que é a espinha dorsal do sensoriamento remoto global. "
