APPLICATION
高光譜成像技術為偽裝識別提供解決方案
1、利用短波紅外相機進行測試:
圖1 掛載直升機
利用短波紅外相機對目標進行拍攝,獲取到相應的偽裝目標圖像,如下圖所示,光譜范圍為1000nm-2500nm波段。紅圈標注目標為偽裝網。利用短波紅外波段的相機可以很直接的獲取到偽裝目標的影像并與其它背景目標區分開。
綠色植被、樹木等綠色的目標與偽裝目標在整個大環境下都顯示為綠色,而利用短波紅外相機進行拍攝則可以區分開真實的綠色植被(或者樹木、草)是與偽裝目標不一樣的。
圖3 短波紅外高光譜相機拍攝圖像(RGB圖)
在圖4和圖5所示的是對原始數據進行數據處理后的影像,同樣能夠區分開目標對象與背景的影像,偽裝網如圖中所示標注的位置。
圖4 PCA算法處理后結果
圖5 PCA算法處理后識別結果
選取圖像中9個目標物,分別為偽裝網1-6、樹木、樹林、房屋為對象,獲取其相應的光譜曲線,如圖所示。
圖6 不同目標的光譜曲線
圖7 不同目標的光譜曲線
圖8 偽裝&樹木&汽車目標識別
圖9 目標物的光譜曲線
樹木、汽車、偽裝網均有自身的特征峰位置,可以通過具體的算法來完成這些目標物的分類和識別。
圖1 高光譜成像儀
利用可見-近紅外高光譜相機對偽裝網進行圖像采集,光譜范圍:400nm-1000nm,光譜分辨率4nm。
圖2 可見-近紅外高光譜相機拍攝
圖3 算法處理后的識別結果
圖4 光譜曲線
選取不同的目標對象,獲取相應的光譜,植被的光譜在680nm以后分反射率會提高,而非植被所表現出來的紅邊效應與真實的植被的紅邊效應有很大的差別。
對可見-近紅外波段的數據進行數據處理,分別利用歸一化植被指數和紅邊歸一化植被指數來簡單的對目標物進行區分識別。
圖5 單波段下圖像
標準算法:
圖6 RGB圖
圖7 分類識別結果
不同的目標物(或植被)的歸一化植被指數是不同的,利用植被標準算法進行處理后可以得到相應的指數系數。
圖8 植被分類識別結果
2、紅邊歸一化指數:
規定波段的中心波長: ρ_Nir=750nm; ρ_Red=705nm
圖9 分類識別結果
〖NDVI〗_705值的范圍在-1和+1之間,一般的綠色植被的范圍是0.2~0.9。
圖10 植被分類識別結果
利用植被的紅邊效應可以區分開真實植被與偽裝目標。偽裝目標并未表現出非常明顯的紅邊效應。