地面目标伪装特征的高光谱成像检测方法

地面目标伪装特征的高光谱成像检测方法
摘 要：根据光谱揭露伪装的检测机制分析，对伪装材料及应用背景的紫外、可见光、近红外波段光谱反射特 征进行了研究，探索试验目标光谱模拟伪装材料的检测技术，经光谱特征选择及空间降维处理，建立特征参数 的判别函数，确定判别规则。针对多类判别和谱空间模式重叠的情况，提出数学分析模型及统计计算和判别效 果检验相结合的光谱特征检测新方法。探索适合区分人工目标与背景光谱的最佳分类特征和判别函数。

1 高光谱成像技术威胁 高光谱成像技术已成功地应用于遥感和航空航 天军事侦察领域，高光谱成像仪能够在连续光谱段 上对同一目标同时成像，可直接反映出被观测物体 的光谱特征，甚至物体表面物质的成分L1]。研究表 明，高光谱数据可得到空间探测信息与地面实际目 标之间存在精确的相互关系。通过测出的光谱特征 曲线，可反演出对应每一个像素的目标物组成成分， 如树叶、绿色油漆或者塑料。从而区分自然背景与军 事目标的差别，并判断出目标的性质和种类 台湾先驰SENTRY| 台湾固纬GWinstek| 时代仪器TIME| 兰泰仪器LANDTEK| 富贵仪器ESCORT| 森美特SUMMIT| 韩国 FINEST| 韩国美胜MCSCO
2 。最突 出的特点是能够鉴别材料的组成成分，进一步揭露 与背景材料不同的目标及其伪装。 在广泛的应用研究领域，已开展了建立目标和 背景特征光谱数据库的研究。美国提出的数字化地 球研究要建立全球地表每一平方米的数据库，包括 光谱数据在内的几十种参数。完成这项任务后，全球 任何地方的军事目标都会受到其准确定位、动态跟 踪、明确揭示和精确打击的威胁
3：。 以色列的科学家E．Ben—Dor等人利用CASI成 像光谱仪对特拉维夫市进行了研究。他们利用光谱 识别技术，特别是采用了一种称为混合调制匹配滤 波的方法(MTMF)，从经过严格大气校正的CASI 图像中选择可明确定义和表征的地物作为端元数 据，对河流、沙土、草地、柏油、水泥、红褐色土、海水、 植被、白色屋顶以及阴影等地物都取得了很好的识 别效果 ]。高光谱遥感的特点是对地物识别和分类 能力的提高。光谱的比较和匹配成为重要技术之一。 以色列科学家在研究中建立了能代表城市地物的 29种特征地物光谱数据库。  频闪仪| 测高仪| 测距仪| 金属探测器| 试验机| 扭力计| 流速仪| 粗糙度仪| 流量计| 平衡仪| 利用美国海洋光学公司PSD1000测试的光谱 数据，以及阳面光谱样本判别树种的PDA 评价方 法，采用光谱微分技术、人工神经元网络算法、判别 分析方法和惩罚性判别分析方法，对6种不同的针 叶树进行高光谱数据识别。一阶微分光谱计算总平 均精度达91％，获得以光谱数据识别树种的最佳结 果瞳]。在军事上，则可鉴别出人工材料与自然植被的 区别，从而发现军事目标及其伪装。美国空军发射了 “强力星”高光谱成像侦察卫星，已形成航天高光谱 成像侦察能力【4]。 高光谱成像侦察技术对现有伪装技术、方法、材 料和装备等提出了严峻挑战，对战场目标的生存构 成了新的威胁。

2 高光谱成像获取目标信息的途径 高光谱成像数据包括空间、辐射和光谱三重信 息。需要分析目标的位置和形状等空间几何特征、目 标与背景的谱亮度差别等辐射特征以及表面材料的 光谱特征L5]。 从高光谱数据的结构看，如果将对应坐标的每 一幅窄波段二维图像按探测波长^重叠起来，就可 得到高光谱图像数据的立方体。在数据应用分析中， 主要从3个方面获取目标的信息。
(1)在空间图像维上，高光谱数据与一般的图像 相似。可用一般的遥感图像模式识别算法进行高光 谱数据的目标信息检测。
(2)在光谱维上，高光谱图像的每一个像元可以 获得一个连续的光谱曲线，基于光谱数据库的光谱 匹配技术可以实现对地物与目标的识别。
(3)在特征空间维上，高光谱图像提供了超维特 征空间，根据实际数据所反映的景物特征分布差异， 将其有效应用数据映射到低维的子空间，在此低维子 空间的信息检测是目标识别分析技术研究的重点。

3 光谱伪装检测方法 高光谱图像伪装检测的技术核心是模式识别。 统计的、模糊的、神经元网络的模式识别技术都适用 于伪装检测 ]。 在广泛调研的基础上，对国内外伪装材料及应 用背景的紫外、可见光、近红外波段光谱反射特性进 行分析，研究背景光谱模拟材料及检测技术L7]，从鉴 别目标光谱特征的需求出发，提出数学分析模型、统 计计算和判别效果检验相结合的光谱特征提取新方 法。探索适合区分人工目标与背景光谱的最佳分类 特征和判别函数。 对每一个被区分的目标类型都可以从多方面加 以表征，即可以用多个变量 ，X ，⋯ ， 进行描述， 整体构成一个 维测量空间，其中每一个变量是这 个测量空间的一个分量。若高光谱成像仪有256个 光谱成像通道，则测量空间为256维，即 一256。测 得的每一个通道反射比值对应一个空间分量，因同 一类目标的采样结果不会完全相同，故 ， ：，⋯ ， 都是随机变量，用一个 维测量空间的随机矢量 X一( 1，X2，⋯ ，X ) 表征。 实际检测数据及伪装原理都证明，对一定的目 标和背景，其有效区分特征往往只在特定的谱段上。 测量空间的维数 越高，给计算带来的难度越大， 而且维数 高并不一定能提高分类精度。因此，选 择有效的特征谱段，压缩维数是必要的。考察光谱数 据，可知邻近波段间存在着很大程度的相关(即光谱 信息的冗余度)，这就为信息压缩提供了可能。 以某人工绿色材料与相应的植被背景分类为 例。在任何一个一维空间里都不能很好的分类，在 ， z 的二维空间里就可以实现很好的分类。通过 某种变换找到一个综合变量尺，用于表示类别可分 性更为有效的特征参数。由特征参数构成特征空间。 经特征选择，从 维原始测量参数变换到 维特征 参数(，2< )。 设伫 为判别函数，则判别规则为 僻 ( )> 0，V ≠ ∈ 。 即对所有的i， 一1，2，⋯ ， ；睁 。有：若僻 ( )>O， 则 属于 类。判别函数D (z)是特征参数的函数， 每一模式类都有自己的判别函数。 对模式类别在谱空间不重叠的情况，适用于决 定论方法求解。 维线性判别函数的形式为 D ( )一w?x， 一1，2，⋯ ， ； 或 H D ( )一 ：W ★+W +l， 一1，2，⋯，7 。 k。。。= — — l 对确定判别函数的权向量，采用最小距离判别 法、逐次参数估计法、梯度法、最小均方误差法和费 歇准则法。 非线性判别函数可表示为多项式的形式。对于 维特征空问中的m个类的， 阶多项式，判别函数 可表示为 D ( )一o．Ji1fl( )+ (u 2f2( )+ ⋯ + ∞ fL(z j广m + ， 一1，2，⋯ ， ； 其中： j J(x 一Xpl s1Xp2 s2~~~z ： ， Pl，P 2，⋯ ，P 一1，2，⋯ ， ； s1，s2，⋯ ，S = 0或1；J一1，2，⋯ ，L， L 一 一 。 当r一2时，判别函数称为二次判别函数，此时 f ( )一 ，户，口一1，2，⋯ ， ； S，t一0，1； 一1，2，⋯ ，L。 D ( )一ΣW ；+Σ ΣW + |= 1 l= 1i— i+ 1 ΣW ，+W +1o 』= 1 由于多项式的判别边界可以是曲线(面)，因此 能够实现较高精度的分类。经实际分类实验，六阶多 项式判别函数达到最高分类精度(分类误差为O)。

4 模式类型统计判别
统计学方法确定的判别函数给出任一输入归属 哪类的概率大小，由归属概率大的决定输入的归属 种类。这种统计学方法特别适用于多类判别及模式 类在谱空问重叠的情况。 将两类模式相近的程度称为类似度。分类就是 根据未知的模式与各已知类别的模式类似度的大小 (在非监督分类中根据各待判模式间类似度的大 小)，把其归到类似度大的一类中去。 通常以距离大小来衡量类似度，常用距离有： (1)明氏(Minkowski)距离 ，，(g)=[Σ 一 儿； (2)绝对值距离(g一1) ，(1)一Σ —z l； I= 1 (3)欧氏(Euclidean)距离(口一2) ，(2)一[Σ — ； (4)马氏(Mahalanobis)距离 一( 一X ) ／Σ( 一X，)。 il 在实际检测应用中，以马氏距离为基础，研究构 成统计量F对两个总体差异显著性进行检验，马氏 距离越大，差异越显著。

5 应用实例
绿色伪装材料是最典型也是最常用的一种伪装 材料，是绿色植被的模拟材料，可以直接用于技术兵 器、车辆和军服等军事装备的迷彩伪装。

5．1 绿色植被光谱特征分析 绿色植被光谱反射特性的基本特征，主要是由 植物单叶的光谱反射特性决定的，在整个可见光的 吸收区域中 在550 nm 处有一个反射峰，在680 nm 处有一个吸收峰。在7OO～740 nm 波段反射率急剧 增大，在这40 nm 波长间隔内反射率几乎增加到最 大值，在740 nm 以后反射率的增长缓慢，直到1 400 nm 处反射率又开始下降。
5．2 建立训练样本集 选用瑞典的森林伪装网、瑞士的森林伪装网、外 军伪装服和不同种类、不同季节、不同环境的绿色植 被建立训练样本集，并以森林绿色作为制定分类阈 值的标准。
5．3 特征选择 从光谱特征分析可看到，各种绿色伪装材料与 绿色植被背景的主要差异在于680 nm 处的吸收峰 不够理想，定为第1类特征波段；7OO～740 nli1波段 的反射率增长不够急剧，定为第2类特征波段。基于 此，分别选用以680 nm 为中心波长、左右每间隔 5 nm的9个通道抽样值和700~740 nm 波段每间隔 5 nnl的9个通道抽样值作为特征值。 5．4 判别函数和测量结果 判别分析的关键是选择恰当的分辨函数。鉴于 判别的目的是要区分两类目标，且两类光谱在680 nm 附近和700 740 nm 波段的差异信息较大，所 以选择了线性判别函数。但由于这两个波段的光谱 分布规律不同，采用的数学处理方法也不同。 对以680 nlTl为中心波长，左右每间隔5 niP,_的 9个通道抽样值尺 (Ⅳ)乘上一个权重因子a(Ⅳ)后线 性组合成一维特征矢量 K 2 V 一Σa(N)R (Ⅳ)，i一1，2，⋯， 。 Ⅳ Kl 为训练样本数，a(N)为第 通道的权重因子。 对700 740 nm 波段每间隔5 nm 的9个通道 抽样R (Ⅳ )简单线性叠加后组合成一维特征矢量 K 2 ：一Σ R (Ⅳ )， 一1，2，⋯，，”。 N = K 利用采集系统的高速运算和存储能力，采用信 号平均技术、找出各类训练样本的特征矢量平均值： V，一E( )，i一1，2，⋯ ，7"； V 一E( )，i一1，2，⋯ ， 。 未知样本经与训练样本同样的特征提取后，采 用最小距离判别法，求出该样本的类属范围，测量结 果如表1所示。 表1 测量结果 Tab．1 M easure resuIt 特征 a b f d e _厂( ) Q， 291．171 55．395 131．1O9 14．982 6O．385 99．5 注：a为材料样品的特征平均值；b为材料样品的特征标 准差；c为背景的特征平均值；d为背景的特征标准 差；e为分类阈值；f为识别正确率；Q．为第1类；Q 为第2类。 从分类结果可以看出，以光谱特性作为基本识 别特征，分析目前国外的迷彩伪装材料与多种绿色 植被背景的光谱特性，找到了较为理想的识别分类 特征和判别函数，识别正确率达到了99 以上。

6 结 语
对伪装材料和背景材料进行归类整理和成像光 谱检测实验，将计算机模式识别技术应用于目标伪 装检测，以光谱数据作为基本识别特征，研究找到了 较为理想的识别分类特征和判别函数。 对不同的识别对象必须用不同的特征提取方 法，高光谱目标伪装检测是一个光谱模型分析、统计 计算和判别效果检验相结合的综合过程。 面向图像的判读一般建立在人工辨识的基础 上，只能在三维信息以内，如三维假彩色合成。但谱 识别方法是以计算机数字技术为基础的，不受模式 维数的限制，排除人的主观因素，具有更好的分类重 复性。