多光谱目标探测的波段选择

利用超光谱数据对多光谱传感器的波段选择提出了一个框架。根据探测理论,导出了一个代价函数,对于区分弱小目标和杂波(光谱分布已知)的探测性能最优的光谱波段来说,可使该函数最小。利用匹配追踪算法找到了一个近似最小的代价函数,从而选出了滤波器。该方法可用于设计多光谱红外搜索跟踪和光电导弹预警传感器。在杂波背景下,对小目标探测的低虚警率和高探测概率来说是至关重要的。     

基于注意力机制的多目标优化高光谱波段选择

神经网络的注意力机制可以从数据中提取关键信息,将这一特性运用在高光谱波段选择上有助于充分学习波段之间的相互依赖和非线性关系,提取更重要的波段。提出了一种基于注意力机制的多目标优化高光谱波段选择算法。首先,利用注意力模块和自编码器构建网络;然后,将一维光谱数据作为网络输入,采用两种损失函数并结合多目标优化方法对输入数据进行训练,使嵌入在网络中的注意力模块充分学习各波段之间的非线性关系,对信息量大和易于分类的波段赋予更大的权重,以实现波段选择;最后,利用支持向量机分类器和平均光谱散度验证波段子集的性能。实验结果表明:相比于其他算法,所提算法在Botswana与Indian Pines数据集上提取的波段子集的分类精度更高,信息量更大,由此证明了所提算法对高光谱波段选择的有效性。     

高光谱图像中基于端元提取的小目标检测算法

针对高光谱图像中小目标检测问题,提出了一种基于端元提取的目标检测算法。该算法利用主成分分析的变换矩阵来构造投影算子,把原始图像投影到该算子构成的正交子空间后,大概率的背景信息得到抑制,从而突出了小概率的目标;在完成背景信息抑制的基础上,利用迭代误差分析方法进行端元的自动提取;根据所提取出的目标端元的光谱,结合光谱角度匹配技术完成目标物的检测。为了验证新方法的有效性,利用高光谱数据进行了实验研究,并与经典的RX算法的检测结果相比较。实验结果表明提出的基于端元提取的算法不需要目标的任何先验知识就能达到比较好的目标探测效果,对RX算法检测效果不太理想的小目标也能准确识别。     

一种新的空谱联合探测高光谱影像目标探测算法

高光谱遥感影像不但具有高分辨率的空间信息还包含连续的光谱信息,因此在目标探测领域具有独特的应用优势。传统的高光谱遥感影像目标探测侧重于光谱信息的应用,形成了确定性算法和统计学算法。确定性算法通过计算目标光谱与待检测光谱之间的距离来查找目标,不能检测亚像素目标,而且容易受到噪声的影响;统计学目标检测计算背景统计特性,通过探测异常点来检测目标,可以检测亚像素目标和小目标,但容易受到目标尺寸的影响,不能很好的检测大目标。随着高光谱遥感影像的空间分辨率的增加,探测目标已有亚像素目标逐步转换为单像素及多像素目标,此时,在高光谱图像中,相同类别的地物在空间分布上呈现聚类特性, 因此,在利用高光谱遥感影像进行目标探测时,需要将其空间信息融入算法中。将空间特征引入传统目标探测算法。提出了一种新的空谱结合的高光谱目标探测算法,将传统的基于统计的目标探测算子与空域邻域聚类算法相结合,首先利用目标探测算子将影像划分为潜在目标区域与背景区域;通过计算潜在目标区域的质心,以质心为中心进行邻域聚类,剔除潜在目标区域中的背景区域,通过迭代计算获取最终目标探测结果。传统的基于统计的目标探测算子,将整个探测区域定义为背景区域,实现对背景区域的统计特征提取,而该方法将背景区域与潜在目标区域分离,剔除了目标区域对背景区域的统计干扰。将本算子与传统的约束能量最小化算子和自适应余弦探测算子进行分析比较可知,该算子的大目标探测性能优于传统的统计算子。     

空间目标探测与识别的波段选择

介绍了根据目标的反射率实验测量和大气光谱特征对大气层外目标进行探测的波段选择方法.测量出样品及标准板的反射光强度,计算出样品的光谱反射率,在考虑空间目标自身的辐射强度、光谱反射率、背景大气的辐射亮度、目标-背景对比度、不同波段斜程透过率等诸多因素后进行波段选择.利用MODTRAN大气传输模型计算了目标亮度、背景大气的辐射亮度、对比度以及不同波段斜程透过率的典型光谱特征、并进行光谱特征分析,综合考虑目标的视亮度以及对比度,结果表明0.76～0.90 μm是包覆黄色镀铝聚酯薄膜的目标最佳探测波段,0.52～0.60 μm是包覆银色镀铝聚酯薄膜的目标最佳探测波段.     

基于光谱空间重构的非监督最邻近规则子空间的高光谱异常检测

针对高光谱遥感影像维数高、数据量巨大且地物分布复杂,导致背景与异常难以区分的问题,提出一种基于光谱空间重构的非监督最邻近规则子空间异常探测算法.首先通过基于结构张量的波段选择算法,去除噪声像元,选择更有效的波段.然后,通过光谱空间重构增加背景与异常的绝对光谱距离.最后,为了充分利用背景字典之间的空间相似性信息,将空间距离权重引入到非监督最邻近规则子空间算法中,提高检测精度.为验证所提算法的有效性,用四组真实的高光谱数据进行实验,研究了不同参数对检测结果的影响.结果表明,与其他异常检测算法对比,所提算法具有更好的检测效果.     

基于Lasso方法的污染气体自适应探测算法

在开放光路条件下,污染气体与大气成分的光谱特征相互混叠,难以直接对污染气体进行识别。提出了一种自适应特征提取算法,预先生成各种大气条件下的光谱特征,利用Lasso算法进行快速特征优选,选择最优目标/背景组合重构背景光谱,提取目标特征。为了验证所提算法的有效性,开展了不同背景下的甲烷遥测实验、不同相对湿度条件下的氨气遥测实验,以及室内近距离乙烯探测实验。将所提算法与Harig算法进行对比,结果表明:所提算法能更好地扣除背景,具有较强的实用性。     

光谱成像技术在海域目标探测中的应用

近年来,随着光谱成像技术的发展,机载成像光谱仪在海域军事目标的侦察中得到了新的应用。基于此,本文首先从高光谱成像仪的基本原理及特性出发,介绍了高光谱成像仪在海洋军事目标探测方面的应用现状。其次,分别从水面目标探测和水下目标探测两方面综合分析了光谱成像技术在海域目标探测中的应用。对于海面目标探测,多项关键技术获得突破,但当前算法仍然难以解决实时性问题;对于水下目标探测,本文主要以水下潜艇探测为例探讨了利用高光谱成像仪对水下目标进行探测的关键技术及相关可行性方案。分析可知,光谱成像技术用于海洋军事探测从技术上具有可行性且前景广阔,但仍需解决相关算法的效率及精度等关键问题,这对推动光谱成像技术在海域目标探测中的应用具有重要意义。     

绿色植被可见-近红外反射光谱模拟材料研究进展

成像光谱技术能够同时获取目标的图像特征和光谱特征,很容易识别与背景环境光谱特征区别较大的传统伪装材料.近年来,成像光谱得到了迅速发展,经历了多光谱技术到高光谱技术的跨越,传感器的探测波段数、光谱分辨率、空间分辨率的显著提高.得益于各国IS R无人机技术的应用,高光谱传感器由星载拓展到机载,可以在更近距离对军事伪装目标进...     

高光谱探测绿色涂料伪装的光谱成像研究

基于现有伪装涂料与植被反射光谱的本质差异,提出一种可有效识别当前所有绿色伪装涂料的高光谱成像方法.通过分析绿色伪装涂料与被子植物叶片的反射光谱及其一阶微分谱的差异,确定了星载和机载高光谱遥感探测中,可见光波段的绿色反射峰和780～1 300 nm的“近红外高原”波段反射率的波动性是识别绿色伪装涂料的有效光谱特征.对“近红外高原”波段的反射光谱进行成像是高光谱探测实现伪装目标可视识别的可行方法,尤其是对反射光谱一阶微分处理后进行成像可更加有效地识别植被环境中的绿色伪装涂料.     

基于波段子集特征融合的高光谱图像异常检测

高光谱图像分析中，对未知环境下伪装目标的检测识别具有较大难度，因为缺乏背景与目标的先验光谱信息.针对这一问题，提出一种高光谱图像异常检测算法.将高光谱图像分成波段子集进行特征提取，利用对图像中噪声程度及目标、背景之间可分性敏感的特征样本高阶统计量构造基本置信指派函数，通过D-S证据推理实现特征层智能融合异常检测.理论分析及仿真实验结果表明了算法的有效性.     

高光谱成像砖红壤中石油烃含量的可视化研究

高光谱成像具有快速无损和图谱合一的特点,每个波段都会呈现一幅图像,每个像素点都显示一条光谱曲线,不仅可以获取样本的光谱信息,还可以表征物体的空间信息,目前在诸多领域展现出极大的应用价值。采用高光谱成像实现土壤中石油烃含量分布的可视化。制备不同石油烃含量的砖红壤样本,分为建模样本和预测样本。采集高光谱图像,为避免图像背景的干扰,采用掩膜的方法进行背景剔除。之后提取建模样本中感兴趣区域的平均光谱,采用连续投影算法筛选特征变量,基于提取的特征变量,一方面建立MLR预测模型,另一方面从预测样本中提取特征波段的高光谱图像。最后,将特征图像上像素点的数据代入模型,得到石油烃的含量分布情况。通过图像处理的方法,不同的含量赋予不同的颜色,实现砖红壤中石油烃含量分布的可视化。研究结果表明,采用高光谱成像与图像处理方法能够初步实现砖红壤中石油烃含量分布的可视化,为以后大范围地识别和反演土壤中石油烃含量提供了基础。     

面向高保真印刷的特征光谱提取与匹配方法研究

快速、准确的进行光谱重建是高保真印刷复制研究的难点。针对多个基色参与复制造成颜色在光谱表征和油墨配比之间转换模型复杂的问题,提出了一种用于高保真印刷的特征光谱提取和匹配方法。该方法利用光谱的导数变换对印刷基色油墨的特征光谱波段进行了筛选和提取,在此基础上提出了特征光谱的多阈值编码算法;针对高保真印刷中的分区判断问题,利用导数平均特征光谱表示各分区特征,并通过目标光谱与各分区的导数平均特征光谱的光谱匹配算法,解决了高保真印刷中的分区判断问题。实验结果表明,提取的特征光谱波段能够显著代表各个基色的光谱特征,基于特征光谱的色彩转换模型精度高于基于全波段的色彩转换模型;光谱匹配算法在判断分区上达到了很高的精度,极大的提高了效率,具有较高的实用性。     

基于多尺度分解的超光谱图像异常检测

提出了一种基于多尺度分解的超光谱图像异常检测算法。在目标和背景均未知的前提下,利用光谱和空间两种信息完成对异常目标信号的定位,从而实现超光谱遥感数据中异常目标检测。首先利用非下采样塔式变换对超光谱图像进行分解,将其划分为不同尺度子块;然后依据超光谱图像同一波段不同尺度空间内相邻系数的相关性,采用不同波段各个尺度空间的反锐化掩模方法优化背景数据分布,从而抑制异常数据对背景的干扰;最后利用设计的核RX算子得到异常目标检测结果。为验证方法的有效性,利用真实和模拟的AVIRIS数据进行了实验,并与经典RX算法相比较,实验结果表明,基于非下采样塔式分解的异常检测方法具有更好的检测性能和较低的虚警。     

基于多尺度分解的超光谱图像异常检测

提出了一种基于多尺度分解的超光谱图像异常检测算法。在目标和背景均未知的前提下,利用光谱和空间两种信息完成对异常目标信号的定位,从而实现超光谱遥感数据中异常目标检测。首先利用非下采样塔式变换对超光谱图像进行分解,将其划分为不同尺度子块;然后依据超光谱图像同一波段不同尺度空间内相邻系数的相关性,采用不同波段各个尺度空间的反锐化掩模方法优化背景数据分布,从而抑制异常数据对背景的干扰;最后利用设计的核RX算子得到异常目标检测结果。为验证方法的有效性,利用真实和模拟的AVIRIS数据进行了实验,并与经典RX算法相比较,实验结果表明,基于非下采样塔式分解的异常检测方法具有更好的检测性能和较低的虚警。     

基于高光谱成像技术的微小摄像头检测技术

针对高光谱成像特点,提出了一种基于三维特征检测微小摄像头的方案。在空间维利用猫眼效应筛选疑似目标,在光谱维对结果进行精准判定。依据摄像头结构,分析了可见光摄像头的反射光谱特征。基于几何光学和辐射度学,计算和仿真了系统的探测距离。结果表明,正常工作时,光功率影响最小探测距离,目标尺寸影响最大探测距离。搭建了微小摄像头光谱特征验证系统。结果表明,采用吸收型红外截止滤光片的目标的非反射光占比曲线变化平缓且数值高,采用反射型红外截止滤光片的目标的非反射光占比曲线可见光部分数值高,红外部分数值低,从700 nm附近开始下降,甚至发生突变,实验数据显示,突变位置的斜率绝对值是红外波段斜率绝对值的10倍以上。实验结果与预期分析的结果一致,验证了高光谱成像技术检测微小摄像头的可行性。     

超光谱侦察传感器的光电设计与实验分析

超光谱光电侦察是光学探测经历了单波长、多波段之后发展起来的一个新的阶段,是基于方位和光谱三维信息的新型光电探测技术。在分析景物的光谱-空间特征的基础上,设计了UV/VIS/NIR宽波段范围的超光谱侦察传感器,并进行了成像探测实验,获得了典型场景和目标的光谱序列图像。对其进行了分析,验证了一种自动目标探测/识别的新方法。     

基于联合偏度的高光谱图像波段选择对玉米种子分类研究

高光谱图像技术是在种子识别领域广泛应用的农产品品质无损检测方法。特征信息的充分提取和最优波段的选择是影响高光谱图像技术种子鉴选在线应用的关键因素。目的在于利用联合偏度算法选择高光谱图像的最优波段,用于开发在线的种子分级系统。论文利用高光谱图像采集系统获取10类共960粒玉米种子在438～1 000 nm(共219个波段)波段范围内的高光谱图像,并提取了种子高光谱图像的平均光谱、图像熵特征。利用联合偏度算法选择了高光谱图像的最优波段,分别建立了基于平均光谱、图像熵、平均光谱和图像熵联合特征条件下的支持向量机种子分类模型,比较不同特征下分类模型的识别精度。实验结果表明：无论是全波段分类模型,还是建立在最优波段基础上的分类模型,利用平均光谱和图像熵联合特征获得的分类精度均高于平均光谱和图像熵两种单一特征模型。在10个最优波段条件下,联合特征分类模型的识别精度达到了96.28%,比光谱均值和图像熵的识别精度分别提高了4.30%和20.38%,也高于全波段联合特征识别模型的93.47%。利用联合特征建立玉米种子分类模型时,基于联合偏度的波段选择算法的分类精度要高于无信息变量消除法、连续投影算法和竞争性自适应重加权算法。该研究为种子高光谱图像识别技术的在线运用提供了可行的途径。     

伪装目标与背景的偏振对比特性

为解决传统光强探测手段难以有效探测和识别伪装目标这一难题,基于偏振探测技术搭建了光谱偏振探测成像系统,利用该系统在位于442.0,545.5,670.5,850.5 nm的窄波段对典型草地、土壤背景下的某型深绿色和土黄色伪装涂层进行了光谱偏振探测实验研究。并通过编制的图像处理软件对测试结果进行处理分析以提取其中的偏振信息,获得了目标与背景偏振度和偏振对比度随探测波长和探测角的变化规律。研究结果表明,合理地选择偏振成像探测条件可以使伪装涂层与背景之间存在较大的偏振对比度,可以实现对传统伪装涂层涂覆的目标的有效探测和识别。     

伪装目标与背景的偏振对比特性

为解决传统光强探测手段难以有效探测和识别伪装目标这一难题,基于偏振探测技术搭建了光谱偏振探测成像系统,利用该系统在位于442.0,545.5,670.5,850.5 nm的窄波段对典型草地、土壤背景下的某型深绿色和土黄色伪装涂层进行了光谱偏振探测实验研究。并通过编制的图像处理软件对测试结果进行处理分析以提取其中的偏振信息,获得了目标与背景偏振度和偏振对比度随探测波长和探测角的变化规律。研究结果表明,合理地选择偏振成像探测条件可以使伪装涂层与背景之间存在较大的偏振对比度,可以实现对传统伪装涂层涂覆的目标的有效探测和识别。