一种基于光谱特征指数的北方环境下伪装材料的识别方法

1.本发明涉及遥感高光谱数据处理技术领域，更具体的说是涉及一种基于光谱特征指数的北方环境下伪装材料的识别方法。


背景技术：

2.在现代信息化战争中，针对战场目标逐步实现了“发现即摧毁”，伪装技术成为了干扰敌军探测、保护作战装备及人员的有效手段。随着材料技术的高速发展，目标伪装手段和策略也在不断地提高，尤其是先进涂层和伪装网的使用，在某些背景环境下能达到目标和背景“异物同谱”的效果，增加了伪装识别的难度。因此，开展伪装材料特性分析及识别方法的研究是具有重要意义的。
3.基于传统的可见光或多光谱遥感技术，由于其单个波段覆盖光谱范围广，很难识别出伪装目标，给伪装识别带来了很大的挑战。高光谱遥感技术具有光谱范围宽、波段多、光谱分辨率高(纳米级)等特点，为了解地物提供了极其丰富的信息。目标与背景之间存在的差异是目标暴露的根本原因，地物的光谱信息对目标识别具有指纹效应，通过分析地物的光谱特征并据此提取的特征指数与物质的特性相关，可为精细识别地物提供依据，尤其在地表资源环境探测中，高光谱技术有效地提高了地物识别和分类的精度。
4.目前，高光谱遥感技术在伪装材料特性分析及识别中的应用越来越多，基于实验室高光谱仪器已经取得了许多研究成果，然而现有成果大多都只探究了伪装材料的特征波段，没有建立比较好的识别模型。有学者在实验室内的可控环境下，通过大量实验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并建立物理识别模型，在室内应用时都能得到较为满意的结果，但其不能完全适用于北方环境下采样的数据。
5.因此，如何建立具有适应性和不变性的识别模型，提高伪装目标识别的准确性是本领域技术人员亟需解决的技术问题。


技术实现要素：

6.有鉴于此，本发明提供了一种基于光谱特征指数的北方环境下伪装材料的识别方法，建立了具有适应性和不变性的指数模型，提高了伪装目标识别的准确性，适用于北方环境中迷彩伪装网的识别。
7.为了实现上述目的，本发明提供如下技术方案：
8.一种基于光谱特征指数的北方环境下伪装材料的识别方法，包括以下步骤：
9.获取丛林迷彩伪装网样品的vis-nir光谱数据及背景环境典型植被的vis-nir光谱数据；
10.对所述背景环境典型植被的vis-nir光谱数据进行重采样；
11.采用光谱相似性测度及连续统去除法，获取丛林迷彩伪装网样品与背景环境典型植被的光谱反射差异，提取识别特征波段，构建比值伪装指数rci；
12.设立识别阈值条件，根据获取的仿真模拟伪装环境的高光谱影像对丛林迷彩伪装
网进行识别，提取伪装目标。
13.可选的，所述获取丛林迷彩伪装网样品的vis-nir光谱数据，具体包括以下步骤：
14.在暗室中，采用光谱仪于丛林迷彩伪装网样品的正上方进行垂直观测，并使用具有100％反射率的白板作为参考光谱，获取丛林迷彩伪装网样品的反射率数据；
15.在观测时多次转动所述丛林迷彩伪装网样品并在每个方向多次采集光谱曲线，获取丛林迷彩伪装网样品多个方向的若干条光谱曲线；
16.对获取的所有光谱曲线进行算术平均处理，得到丛林迷彩伪装网样品的实际光谱反射率，即为所述丛林迷彩伪装网样品的vis-nir光谱数据。
17.上述技术方案达到的技术效果为：测量时多次转动丛林迷彩伪装网样品可以降低样本光谱各向异性的影响。
18.可选的，在获取丛林迷彩伪装网样品的vis-nir光谱数据之后，所述方法还包括：
19.利用sg平滑算法对所述丛林迷彩伪装网样品的vis-nir光谱数据进行去噪处理，获取预处理后的高光谱数据，可以提升高光谱数据质量。
20.可选的，所述获取背景环境典型植被的vis-nir光谱数据，具体为：
21.通过envi标准波谱库选择背景环境中各典型植被的光谱曲线。
22.可选的，所述对所述背景环境典型植被的vis-nir光谱数据进行重采样，具体为：
23.基于平滑后的丛林迷彩伪装网样品的vis-nir光谱数据即所述预处理后的高光谱数据，对背景环境典型植被的vis-nir光谱数据进行重采样。
24.可选的，所述构建比值伪装指数rci，具体包括以下步骤：
25.对平滑后的丛林迷彩伪装网样品的vis-nir光谱数据和重采样后的背景环境典型植被的vis-nir光谱数据进行相似性测度分析，通过式(1)计算丛林迷彩伪装网样品与各典型植被的光谱角余弦，得到伪装网与地带性植被在绿色植被共同反射光谱特征波段的相似度对比；
[0026][0027]
式中，cos(x,y)为光谱角余弦值，x和y分别为参考光谱向量和目标光谱向量；
[0028]
对平滑后的丛林迷彩伪装网样品的vis-nir光谱数据和重采样后的背景环境典型植被的vis-nir光谱数据进行包络线统去除分析，通过式(2)对丛林迷彩伪装网样品和各典型植被的反射光谱进行包络线去除处理，对比处理后的光谱曲线得到伪装网与地带性植被在绿色植被的差异波段；
[0029][0030]
式中，λj表示第j波段，r
cj
表示波段j的包络线去除值，rj表示波段j的原始光谱反射率；r
end
和r
start
分别表示在吸收曲线里的起始点和末端点的原始光谱反射率；λ
end
和λ
start
分别表示在吸收曲线里的起始点波长和末端点波长；k表示吸收曲线里起始点波段和末端点波段之间的斜率；
[0031]
对丛林迷彩伪装网样品与背景环境典型植被的波谱特征进行分析，选取吸收特征差异最明显的波段，基于比值指数构建比值伪装指数rci，用于北方环境中伪装目标的识别提取；
[0032]
其中，伪装网一般存在于植被覆盖度较高的区域，在此环境下比值指数具有更好的敏感性，比值指数的计算公式为：
[0033][0034]
式中，r1、r2为波段的反射率值；
[0035]
比值伪装指数rci的计算公式为：
[0036][0037]
式中，r
1190
、r
1270
和r
1440
分别表示1190nm、1270nm和1440nm波段处的反射率。
[0038]
可选的，所述提取伪装目标，具体包括以下步骤：
[0039]
分别计算丛林迷彩伪装网与背景环境典型植被的rci值，获取两个与植被有所差异的阈值条件，以将满足条件的丛林迷彩伪装网从绿色环境中识别出来；其中，设置的识别阈值条件为：
[0040][0041]
通过高光谱成像实验获取仿真模拟伪装环境下的高光谱影像，基于比值伪装指数rci及阈值条件建立决策树模型，对所述高光谱影像中的丛林迷彩伪装网进行识别划分，提取伪装目标。
[0042]
经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种基于光谱特征指数的北方环境下伪装材料的识别方法，通过室内获取的光谱数据分析不同湿度条件下伪装网与地带性典型植被之间的光谱差异，构建指数模型，确定识别特征阈值，对仿真模拟环境的成像高光谱数据进行伪装目标的识别提取。相较于利用计算机模式识别技术构建的物理模型，本发明使用的指数模型构建方法更有适应性和不变性，并且利用成像高光谱数据进行识别模型的验证，体现了一定的实用价值，可适用于北方环境中丛林迷彩伪装网的识别。
附图说明
[0043]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0044]
图1为基于光谱特征指数的北方环境下伪装材料的识别方法的流程示意图；
[0045]
图2为北方典型丛林迷彩伪装网的示意图；
[0046]
图3为测量及预处理所得丛林迷彩伪装网样品的光谱反射率数据示意图；
[0047]
图4为重采样所得各植被反射率光谱曲线结果与伪装网光谱曲线的对比示意图；
[0048]
图5为包络线统去除后的光谱曲线示意图；
[0049]
图6为高光谱成像实验的拟伪装环境示意图；
[0050]
图7为基于rci指数构建识别策略及识别检测结果的示意图。
具体实施方式
[0051]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0052]
本发明实施例公开了一种基于光谱特征指数的北方环境下伪装材料的识别方法，如图1所示，包括以下步骤：
[0053]
步骤101、获取丛林迷彩伪装网样品的vis-nir光谱数据及背景环境典型植被的vis-nir光谱数据；
[0054]
步骤102、对所述背景环境典型植被的vis-nir光谱数据进行重采样；
[0055]
步骤103、采用光谱相似性测度及连续统去除法，获取丛林迷彩伪装网样品与背景环境典型植被的光谱反射差异，提取识别特征波段，构建比值伪装指数rci；
[0056]
步骤104、设立识别阈值条件，根据获取的仿真模拟伪装环境的高光谱影像对丛林迷彩伪装网进行识别，提取伪装目标。
[0057]
进一步地，在步骤101中，所述获取丛林迷彩伪装网样品的vis-nir光谱数据，具体包括以下步骤：
[0058]
通过svc-hr 1024光谱仪获取丛林迷彩伪装网样品的vis-nir光谱，在本实施例中以北方典型丛林迷彩伪装网为实验对象，如图2所示。vis-nir光谱测量在暗室中进行，以功率50w的标准直流锡丝石英卤素作为光源，天顶角设置为30
°
，距离样品表面50cm。采用美国svc-hr 1024光谱仪获取样品反射率数据，其光谱范围为350-2500nm，视场角为4
°
，于样品正上方47cm处对样品进行垂直观测，并使用具有100％反射率的白板作为参考光谱。
[0059]
此外，为降低样本光谱各向异性的影响，测量时转动样本3次，每次转动角度约90
°
，获取样本4个方向的光谱曲线，每个方向采集5次，每个样品共采集20条样本线，算术平均后得到该伪装材料的实测光谱反射率，并利用savitzky-golay(s-g)滤波算法对实测的伪装网样品光谱数据进行去噪处理，获取预处理后的高光谱数据，以提升高光谱数据质量。
[0060]
为更好的分析伪装材料的光谱特征及影响机理，模拟多环境对光谱的影响，对伪装材料部分样品进行浸水处理。实验设计以浸水时间5分钟为间隔，测量不同浸水时间下的伪装网的光谱曲线。伪装网表层于25～35min左右出现水分饱和现象，此时水分附着在伪装网表层不再被吸收，水分含量对光谱吸收特征的影响达到极限，所测的伪装网光谱曲线逐渐趋于一致。因此剔除浸水时间超过30min的光谱曲线，选择具有显著光谱差异的浸水时间(0min、5min、10min、20min、30min)进行伪装网高光谱特征分析。测量及预处理所得伪装网样品实际反射率光谱曲线结果如图3所示。
[0061]
进一步地，在步骤101-102中，所述获取背景环境典型植被的vis-nir光谱数据，对
背景环境典型植被的vis-nir光谱数据进行重采样，具体为：
[0062]
从envi标准波谱库中选取针叶树(conifer)、落叶树(decidous)和草本(grass)这三种植被类型的光谱曲线，以及北方地区针阔叶混交林中典型植被山杨(aspen_leaf-a dw92-2)、松树(pinon_pine anp92-14a needle)、冷杉(fir_tree ih91-2)的光谱曲线，采用三次样条插值法，基于平滑后的伪装网光谱数据对典型植被光谱数据进行重采样。所得重采样后各植被反射率光谱曲线结果与伪装网光谱曲线的对比如图4所示。
[0063]
进一步地，在步骤103中，所述构建比值伪装指数rci，具体包括以下步骤：
[0064]
对平滑后的丛林迷彩伪装网样品的vis-nir光谱数据和重采样后的背景环境典型植被的vis-nir光谱数据进行相似性测度分析：
[0065]“绿色反射峰”、“红边”、“近红外高原”和“水分吸收带”是绿色植被反射光谱的共同特征，为探测绿色植被环境中的光谱异常提供了基本的光谱参量。通过式(1)计算丛林迷彩伪装网样品与各典型植被在这4个特征参量波段的光谱角余弦，得到伪装网与地带性植被在绿色植被共同反射光谱特征波段的相似度对比；
[0066][0067]
式中，cos(x,y)为光谱角余弦值，x和y分别为参考光谱向量和目标光谱向量；
[0068]
对平滑后的丛林迷彩伪装网样品的vis-nir光谱数据和重采样后的背景环境典型植被的vis-nir光谱数据进行包络线统去除分析：
[0069]
通过式(2)对丛林迷彩伪装网样品和各典型植被的反射光谱进行包络线去除处理，分析对比处理后的光谱曲线得到伪装网与地带性植被在绿色植被的差异波段；包络线统去除后的光谱曲线如图5所示；
[0070][0071]
式中，λj表示第j波段，r
cj
表示波段j的包络线去除值，rj表示波段j的原始光谱反射率；r
end
和r
start
分别表示在吸收曲线里的起始点和末端点的原始光谱反射率；λ
end
和λ
start
分别表示在吸收曲线里的起始点波长和末端点波长；k表示吸收曲线里起始点波段和末端点波段之间的斜率；
[0072]
研究提取的伪装网和各植被的差异波段是伪装网识别的敏感波段，相较于植被，伪装网(干燥)在970nm和1190nm处无明显吸收特征，在1440nm处具有较宽的吸收谷，两者区分度较大。在900～1300nm波段，伪装网光谱曲线急速下降；在1300～1600nm波段，伪装网的光谱曲线处于较宽的吸收谷底，波动平稳，斜率偏小；而植被的光谱曲线波动较大，在1150～1300nm和1300～1440nm波段分别存在陡升、陡降现象，斜率较大。通过分析，在近红外波段，970nm、1190nm和1440nm附近处，迷彩伪装网(干燥)和植被反射光谱差异明显。
[0073]
分析伪装网与背景环境典型植被光谱反射差异，构建比值伪装指数rci：
[0074]
伪装网一般存在于植被覆盖度较高的区域，在此环境下比值指数具有更好的敏感性，公式(3)为比值指数计算公式：
[0075][0076]
式中，r1、r2为波段的反射率值；
[0077]
对丛林迷彩伪装网样品与背景环境典型植被的波谱特征进行分析，选取吸收特征差异较为明显的1150～1440nm波段，基于比值指数构建比值伪装指数rci，用于北方环境中伪装目标的识别提取，见公式(4)：
[0078][0079]
式中，r
1190
、r
1270
和r
1440
分别表示1190nm、1270nm和1440nm波段处的反射率。其中，1190nm、1270nm波段的选取分别对应1150～1300nm范围内与伪装网有差异的植被吸收谷的波谷及右肩波峰处的特征波段；1270nm、1440nm波段的选取分别对应1300～1440nm范围内与伪装网有差异的植被吸收谷的左肩波峰及波谷处的特征波段。
[0080]
进一步地，在步骤104中，所述提取伪装目标，具体包括以下步骤：
[0081]
通过上述步骤建立的比值伪装指数模型，分别计算丛林迷彩伪装网与背景环境典型植被的rci值，在1150～1300nm波段rci1的值都大于1.4，即伪装网的反射率斜率均大于1.4；在1300～1440nm波段rci2都小于1.4，即伪装网的反射率斜率均小于1.4；两者都与植被有所区别，如果能同时满足这两个条件可把伪装网从绿色环境中识别出来；故设置的识别阈值条件为：
[0082][0083]
为了进一步验证指数的实用性，将其应用到高光谱图像中。利用包含植被、砂砾、岩石、车辆等地物的仿真模型，以植被为背景目标，通过丛林迷彩伪装网对车辆进行伪装，并使用image-λ“谱像”系列高光谱相机对伪装前后的模拟环境进行高光谱成像实验，如图6所示(其中，上面为高光谱成像仪、左下为无伪装环境、右下为模拟伪装环境)。
[0084]
基于比值伪装指数rci及阈值条件建立决策树模型，对高光谱影像中的丛林迷彩伪装网进行识别划分，结果如图7所示。在识别特征提取结果中白色代表迷彩伪装网，黑色部分代表其他背景地物。从结果可以看出，所提取的伪装网在形态和大小上基本与原始影像一致，利用交并比计算实验结果的识别检测精度，可达到0.95，说明识别效果较为良好，分类准确率较高。
[0085]
针对现有技术中存在的问题，本发明通过室内获取的光谱数据分析不同湿度条件下伪装网与地带性典型植被之间的光谱差异，构建指数模型，确定识别特征阈值，对仿真模拟环境的成像高光谱数据进行伪装目标的识别提取。相较于利用计算机模式识别技术构建的物理模型，本发明使用的指数模型构建方法更有适应性和不变性，并且利用成像高光谱数据进行识别模型的验证，体现了一定的实用价值，可适用于北方环境中丛林迷彩伪装网的识别。
[0086]
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。
对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。