<big id="s68nt"></big>

  • <big id="s68nt"></big>
      <th id="s68nt"><option id="s68nt"></option></th>
    1. <th id="s68nt"><option id="s68nt"></option></th>
      1. <th id="s68nt"><address id="s68nt"><span id="s68nt"></span></address></th>
      2. <th id="s68nt"><video id="s68nt"></video></th>
        <center id="s68nt"></center>

        1. 案例詳情
          所在位置: 首頁> 成功案例> 偽裝識別>

          偽裝識別:高光譜成像技術為偽裝識別提供解決方案

          日期:2022-07-25 14:30
          瀏覽次數:0
          摘要:我司于2015年7月13-14號在木蘭圍場草原的實驗基地對偽裝目標進行測試,利用高光譜成像儀獲取偽裝目標的高光譜數據,并進行目標識別。

                                                          
             四川雙利合譜科技有限公司于2015年7月13-14號在木蘭圍場草原的實驗基地對偽裝目標進行測試,利用高光譜成像儀獲取偽裝目標的高光譜數據,并進行目標識別。


          雙利合譜設備:高光譜成像儀;光譜范圍:400nm-1000nm和1000nm-2500nm波段的兩款相機,光譜分辨率:4nm@435.8nm(@400-1000nm)、11.9nm@1129nm(@1000-2500nm);目標距離:50m-2000m; 測試時間:14號上午10:30-14:30;

          1、利用短波紅外相機進行測試:


          圖1 掛載直升機

           


          圖2 儀器設備

               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


          偽裝網12346對應的光譜曲線基本一致,偽裝網5的光譜曲線與其它5種有很大的差別,此偽裝網為國防科大特別提供的偽裝網,與樹木的光譜曲線有些類似,但比植被的反射率高,在2061nm處和其它5種偽裝網有相同的光譜吸收峰存在。

           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。


          2、利用可見-近紅外相機進行測試:

          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。


          1、歸一化植被指數(Normalized Difference Vegetation Index, NDVI)計算可以將多光譜數據變換成一個單獨的圖像波段,用于顯示植被的分布。能夠發現非植被目標物與植被之間的區別,隱藏在植被中的偽裝網利用歸一化植被指數處理算法進行處理后,其很明顯的能夠真實植被區分開。

          圖5 單波段下圖像

          標準算法: 
          NDVI=(ρ_Nir-ρ_Red)/(ρ_Nir+ρ_Red )
          規定波段的中心波長: ρ_Nir=800nm; ρ_Red=680nm

          圖6 RGB圖


              對圖像中所有的目標都進行相應的算法處理,指數系數從低到高依次排開,并進行了詳細的劃分。

          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。
              NDVI值的范圍在-1和+1之間,一般的綠色植被的范圍是0.2~0.8。

          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。

           

          川公網安備 51011202000202號

          欧美ZOOFILIA杂交VIDEOS
          <big id="s68nt"></big>

        2. <big id="s68nt"></big>
            <th id="s68nt"><option id="s68nt"></option></th>
          1. <th id="s68nt"><option id="s68nt"></option></th>
            1. <th id="s68nt"><address id="s68nt"><span id="s68nt"></span></address></th>
            2. <th id="s68nt"><video id="s68nt"></video></th>
              <center id="s68nt"></center>