综述：光学感前计算技术及其卫星遥感应用

卫星光学遥感图像在城市规划、农业生产、林业管理、自然灾害监测与预警等方面发挥着重要作用，可以提供精准的空间信息，帮助决策者制定有效的应对策略，提高资源利用效率并减少灾害风险。因此，近年来卫星光学遥感技术得到了极大的发展，当前光学遥感卫星能够以高分辨率和高频率持续观测地表，并产生巨大的数据量，例如，美国商用地球观测卫星WorldView-3每天能以30 cm全色图像分辨率对680000 km的地域进行数据采集，中国的高分二号卫星每天可产生的数据量超过1000 GB。然而，由于卫星存在载荷空间、数据传输带宽及能耗等多方面限制，光学相机采集的海量数据给星上数据存储、星上数据智能实时处理、星地/星间数据传输等任务带来了巨大挑战。为解决以上挑战，亟需要发展计算高效且功耗较低的星上智能计算技术。

近年来，随着光计算神经网络的提出以及光学元器件加工技术的发展，在卫星上使用光计算替代电计算成为可能。光学计算的实现方式大致可分为片上集成光学计算和自由空间衍射光学计算两大类，前者将光学计算功能直接集成到芯片上，而后者则利用光在自由空间中的传播特性进行信息传递和处理。

光学感前计算属于自由空间衍射光学计算，是一种在光电传感器前端利用光学元器件对光信息进行调制处理以实现计算推理的技术，由于具备瞬时处理、超低功耗等优点，该技术为星上海量数据的处理提供了一种潜在解决方案。光学感前计算包括编码压缩、全光智能推理等多种计算范式。针对大视场高分辨率卫星光学遥感图像下传难的问题，可通过光学感前计算，在光学域对图像进行编码调控实现视场压缩，然后在地基端利用高通量极速解码算法实现遥感图像的解码重建。针对光学遥感图像无法得到在轨实时处理的问题，可利用光场调控元器件模拟卷积神经网的操作，完成全光智能计算推理，实现在轨目标识别、感兴趣区域（ROI）发现等多种时效性强的任务。

近期，来自电子科技大学、北京空间机电研究所、清华大学的研究人员在《激光与光电子学进展》期刊上发表了题为“光学感前计算技术及其卫星遥感应用综述”的综述论文。该论文首先对用于感前计算的光学调制器件进行介绍，然后分别对感前编码压缩和全光智能推理的相关技术进行回顾，最后讨论了光学感前计算在卫星遥感领域的应用途径。

光学调制器件

光学感前计算是一种在光电传感器前端利用光学调制器件对光场信息进行调制处理的技术。光场包含振幅、相位、偏振态等多个参数，通过对这些参数进行调节可实现空间光场的调控，完成感前计算的功能。目前用于感前计算的空间光场调控器件主要有空间光调制器（SLM）、衍射光学元件（DOE）以及超构表面（metasurface）等。

空间光场调控器之数字微镜器件及控制电路板

衍射光学元件（DOE）示例

感前编码压缩

光学感前编码压缩是基于压缩感知理论，依赖光学编码单元在光电传感器前端的光学域对信息进行编码压缩的一种手段。在该框架下，信息在转换为电信号的同时就实现了压缩，经传感器得到的压缩图像可结合压缩感知理论由相应的解码算法完成信号重建。压缩感知的核心思想是：信号的采样频率可以远低于传统Nyquist采样定理所规定的频率，仅须在信号中获取相对较少但具有代表性的稀疏表示，就足以进行高质量的信号重建。光学感前编码区别于传统的压缩感知（例如基于块的感知压缩），它并不需要特定的感知矩阵，此外，其压缩过程也无须涉及矩阵的乘法计算。

光学感前编码示例

全光智能推理

人工神经网络（ANN）技术已在诸多领域取得了显著成果。然而，目前人工神经网络的实现主要还是基于经典电子计算的方式，存在并行能力弱、运行速度慢等缺点，同时其需要较高的GPU或者NPU计算资源。基于电子计算的神经网络技术已逐渐无法跟上神经网络和人工智能的进一步发展。近年来，随着光学器件加工技术的不断成熟，基于光学方法的人工神经网络（ONN）硬件实现受到了越来越多的关注，相较于电子系统，光学系统具有更大的带宽和更快的响应速度，光学神经网络可以实现更大规模且并行能力更强的计算。目前的光学神经网络根据其实现方式，可以分为基于衍射光学和傅里叶光学实现的空间光学计算系统以及依靠相位调制的片上集成光学计算系统。

通过DOE实现的矩阵乘法

卫星遥感应用

以感前编码压缩和全光智能推理为代表的光学感前计算技术在视频图像压缩、医学成像、制造业质量控制、卫星遥感等领域都有着广泛的应用前景，本文探讨其在卫星遥感领域的应用需求和应用途径。

基于光学感前计算的遥感数据处理流程

基于光学感前计算的新型激光测量物理探测过程

总之，光学感前计算技术因极速计算、超低功耗等优点，为卫星光学遥感技术的发展瓶颈提供了一种全新的解决思路。本文综述了光学感前计算的两种计算范式，即感前编码压缩和全光智能推理，对其中的关键技术进行了回顾，并讨论了其在卫星光学遥感系统中的应用途径，包括实现大视场高分辨率图像的高通量极速编码压缩和感兴趣区域提取。

论文链接：
https://www.opticsjournal.net/Articles/OJfa7f298553ef47c4/FullText