空间目标由于距地相对较远, 且散射光信号受到大气介质的强散射, 在地基测量中很难获取到目标的准确信息。 近年来光谱观测技术蓬勃发展, 由此为空间目标测量提供了新的方案, 但在采集的目标光谱信息中, 由于目标轨道高度、 材料组成等大多相近, 很难直接从光谱曲线中分辨出目标。 为此基于双向反射分布函数（BRDF）散射理论, 建立了空间目标散射光谱成像模型, 并由1.2 m口径地基观测平台与光谱视频成像系统实验测量了一组高轨道同步卫星（GEO）目标, 光谱范围为400～720 nm, 光谱分辨率为2 nm。 采用径向基神经网络算法对光谱数据中的BRDF进行解混, 实验测量了六种空间目标典型材料的BRDF。 由于目标相对较远, 已经超出探测系统的衍射极限, 因此目标可视为点目标, 但在地基测量中大气层是阻隔在探测系统和目标之间的重要屏障, 目标光信号穿过大气层时会受到大气介质的强烈散射, 这种散射虽然很大程度上削弱了光信号, 但同时光信号也被按原结构放大。 依据光学记忆效应, 目标光信号穿过均匀大气介质后其结构仍保持不变。 基于以上分析, 目标光斑图像应该保留有目标投影结构的信息。 为此采用针对目标光斑图像纹理区域分割反演的方法, 将目标光斑划分为10个纹理区域, 并提取对应光谱数据。 通过探测系统传递函数标定以及减噪处理, 获得了观测时段在轨目标空间几何角度下的光谱曲线。 再利用建立的典型材料光谱数据库进行拟合反演。 结果表明: 在2号、 5号、 10号纹理区域反演出了区别于其他区域不同的材料类型。 同时, 反演的各纹理区的材料面积比也有较大不同。 为进一步评估拟合结果, 采用非奇异矩阵对拟合效果进行评价, 分析了扰动方程, 拟合准确率最高为85.283 3, 最低为76.982 7。 这说明拟合结果是相对真实的, 目标散斑图像中含有可分辨的目标投影结构信息。 此研究为揭开点目标成像探测和散斑图像结构识别提供了新的方向。

随着“2020 SO身份之谜”的落幕， 空间目标的光谱表征及识别技术在空间领域感知中的地位再次凸显。 光谱表征及识别技术的突出优点是能够通过空间目标表面反射的光谱识别出其材料， 进而确认空间目标的身份及类型。 该技术在图像不具备空间分辨率的前提下， 仍然能够较准确地识别出材料， 因此通过低成本小口径望远镜进行空间目标材料表征的可行性得到验证。 在这一点上， 传统的观测手段很难做到的。 2000年， Jorgensen的博士论文在该领域内引起了广泛的关注， 从此开启了空间目标光谱表征的研究热潮。 然而， 经历了20余年的发展， 空间目标的光谱表征及识别技术在实际应用中仍然受到了较大的限制， 这与空间目标的光谱表征方式以及空间环境的复杂性和未知性有着较大的关系。 研究者们通常以地面实验室内的测量数据为依据对实际在轨目标进行表征和识别， 而空间环境的作用却导致了两种测量结果之间存在着无法被描述的差异。 光谱解混法是空间目标材料识别的主流方法， 对其原理和应用情况进行了详细的介绍， 并指出实验室测量结果与实测结果之间的差异是造成解混不成功的主要原因。 解混识别的准确率很大程度上取决于光谱数据库的完善程度， 因此在建立光谱数据库时需要重点考虑空间环境和观测几何对空间目标光谱特性的影响。 同时， 人工智能算法的引入也将大大提高空间目标光谱表征及识别的能力。 从空间目标光谱特性及分类研究、 空间目标材料表征及识别研究、 空间目标光谱的红化现象、 光谱数据库的发展情况四个方面进行了详细的综述及讨论， 分析了其中的难点和重点问题， 凝练出了一些具有参考价值的建设性意见， 希望能够给广大研究者提供便利。