受某單位委托，江蘇雙利合譜科技有限公司（原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(shù)據(jù)，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(wǎng)。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(qū)分開。

   綠色植被、樹木等綠色的目標與偽裝目標在整個大環(huán)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(qū)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(shù)據(jù)進行數(shù)據(jù)處理后的影像，同樣能夠區(qū)分開目標對象與背景的影像，偽裝網(wǎng)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(wǎng)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(wǎng)12346對應的光譜曲線基本一致，偽裝網(wǎng)5的光譜曲線與其它5種有很大的差別，此偽裝網(wǎng)為國防科大特別提供的偽裝網(wǎng)，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(wǎng)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(wǎng)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(wǎng)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(xiàn)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(shù)據(jù)進行數(shù)據(jù)處理，分別利用歸一化植被指數(shù)和紅邊歸一化植被指數(shù)來簡單的對目標物進行區(qū)分識別。  

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

圖5 單波段下圖像

標準算法：

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(shù)系數(shù)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(shù)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(shù)系數(shù)。

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(shù)：

圖9 分類識別結果

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(qū)分開真實植被與偽裝目標。偽裝目標并未表現(xiàn)出非常明顯的紅邊效應。