基于红外光谱的点目标特征提取与识别

李素钧，廖 胜，任栖锋，李 强



基于红外光谱的点目标特征提取与识别

李素钧1,2，廖 胜1，任栖锋1，李 强1

( 1. 中国科学院光电技术研究所，成都 610209；2. 中国科学院大学，北京 100049 )

针对观测远距离目标时，难以有效提取目标温度、面积、表面材料等特征信息的问题，本文从代表物体固有属性的光谱发射率出发，综合考虑目标的材料特征、结构特性、红外辐射特性等因素，建立了目标的双波段红外光谱复合模型，提出了基于材料光谱发射率的目标特征提取的方法。针对特定类型目标查找其表面主要构成材料，测量材料的光谱发射率，建立相应的数据库。在此基础上，利用鸡群算法对模型进行求解，反演得到目标的表面构成材料，辐射温度以及有效辐射面积，取得了良好的效果。

红外光谱；光谱发射率；红外辐射；鸡群算法；反演

0 引 言

对远距离目标进行探测，提取其特征信息，可以有助于判别目标的种类、工作状态以及大小等相关信息，对国家相关领域具有重要意义。目前如美国、俄罗斯、德国、日本和中国等国家对远距离目标观测领域进行了广泛的研究。利用地基观测站对远距离目标进行观测时，因距离远或目标较小，在探测器上所成的像通常只有一个或几个像元，我们称之为点目标。目标的全部信息均集中在少数像元上，丧失了目标的材料，温度，面积等详细信息。在有限的信息基础上对目标的特征进行提取是一个比较困难的问题。目前的研究工作有基于双向散射分布函数(Bidirectional Reflectance Distribution Function，BRDF)[1-2]、基于目标亮度[3-4]、基于比色测温[5]等方法进行特征提取。

基于BRDF的提取方法是利用BRDF描述目标的光谱特性，在已有的BRDF数据库的基础上，采用曲线拟合方法进行材料种类的匹配，进一步可以求得目标的有效面积，但无法同时获得材料的有效温度，此外使用此方法时需要一定的数据积累与统计，且目标构成材料的种类不能过多，否则该方法可能会失效；基于目标亮度的研究方法是对目标整体进行积分，需要进行大量的仿真实验建立相关数据库，将观测到的目标亮度特性与数据库进行匹配，以确定目标的大小和温度特性，但无法获取目标的材料种类等局部差异信息；基于比色测温法的提取方法需要通过测试确定系统的工作波长，波段宽度等参数，可以有效的提取目标的温度和大小。与BRDF提取方法类似，从目标的光谱特性出发可以提取不同部件的差异，本文从材料的光谱发射率出发，建立目标红外辐射特性与目标特征信息相对应的模型，建立特定类型目标的材料光谱发射率库，并用鸡群算法对模型求解，探索出一种可以同时提取目标材料、温度、面积的方法，为进一步工程应用提供理论基础。

1 点目标特征提取与识别建模

1.1 点目标红外光谱理论建模

利用地基观测系统对目标进行观测时，目标各个部件表面可视为漫射灰体，其光谱辐出度可利用普朗克函数[6]进行计算。

依据目标组件材料的不同，可将目标划分为不同区域。利用有限元思想，将目标不同区域网格化，划分为若干面元。每个面元到光学系统的能量可采用如下方式进行计算。

设目标与光学系统的位置关系如图1所示，s为目标上某一面元的辐射面积，为该面元与入瞳中心连线距离，s为面元与的夹角，0为入瞳面积，0为入瞳法线与夹角。

在不考虑大气透过率影响下，面元s的辐射亮度与到达探测器处的辐射照度服从反比例定律[7]：

将面元视为漫辐射源，依据兰特定律，可将式(2)改写为

利用式(5)可计算每个面元在入瞳处产生的光谱辐照度，将其叠加即可得到整个目标到达光学系统入瞳处的光谱辐照度。因目标到光学系统的距离足够远，可近似的认为目标到入瞳的距离，角度s与0均保持不变。所以光学系统入瞳处接收到的在波长~范围内总的光谱辐照度可表示为

其中A为面元面积(=1,¼,)。

1.2 点目标特征提取反演建模

利用地基观测系统对目标进行观测时，光学系统接收到的辐射能除了目标自身的红外辐射外，还有目标反射的空间环境辐射。目标反射的空间辐射能主要包括太阳辐射、地球反射太阳辐射、地球自身红外辐射[8]。除此之外系统自身产生的红外辐射也会对光学系统的探测器造成一定的影响，而系统自身的红外辐射可以通过光学系统中的前端处理系统进行有效的抑制。对于目标反射的空间环境辐射可以通过相应的观测方法获取具体数值。因此本文建模时仅考虑了目标自身到达光学系统的红外辐射，将中波红外与长波红外共划分为26个波段。

在红外光学系统中，到达探测器的目标红外辐射将会引起探测器的响应，可以依据响应程度的不同来提取目标的特征信息。假设探测器对波长的相对光谱响应度为，依据式(6)可得到达探测器的波段(=1,¼,26)的有效光谱辐照度为

式(8)是关于材料有效辐射面积，等效辐射温度的函数，表示波段编号。通过对该函数的求解可以提取目标的有效辐射面积、等效辐射温度以及表面主要构成材料。因模型中牵涉到不可积函数，在求解时容易导致发散或收敛过慢的情况，为此本文采用鸡群算法对模型进行求解。鸡群算法[9]是一种自适应多种群仿生算法，通过对鸡种群行为习惯的数学描述，采用随机最优化和迭代思想来求解最小值问题，适用于连续与非连续性问题，相对其他仿生算法而言较为简单，具有较高的稳定性。

2 点目标特征提取与识别仿真验证

2.1 仿真条件

在特征提取时，材料的光谱发射率关系到反演模型的可行性以及反演结果的精度。对于非透明物体，其表层的涂敷层即可决定物体的热辐射特性[10]，因此在对模型求解时，针对特定类型的目标，建立了其表面主要构成材料的光谱发射率库。图2给出了四种相关涂敷层材料的光谱发射率。

从图2所示的四种材料中随机抽取两种材料，假定为目标表面主要构成材料，同时设定两种材料的温度与面积(具体值如表1所示)，计算得到目标到达探测器的光谱辐照度，作为探测值。

图2 材料光谱发射率

表1 相关参数

Table 1 Relevant parameters

2.2 仿真结果

从材料库中选取材料进行反演计算。对一种材料、两种材料以及三种材料进行反演，反演结果如表2所示，反演曲线如图3所示。

表2 反演结果

Table 2 Inversion results

图3 反演曲线图

由表2与图3可以看出，在理想情况下，反演时若假设目标表面由一种材料组成，则反演结果与探测值之间差距较大；假定目标表面由两种材料组成时，反演值与预测值很好的吻合；假定目标表面由三种材料组成时，有一种材料的反演面积为0，说明在目标表面组成材料中不存在该种材料或这种材料所占比例很小，最终反演结果与两种材料结果相同。由此可以看出该方法在目标表面构成材料未知时可以有效的提取目标的表面主要构成材料，有效辐射面积与辐射温度。

3 结 论

本文对光学系统接收到的目标的红外光谱辐射能进行了反演，在构成材料未知情况下对目标表面材料、等效辐射温度和有效辐射面积进行了提取。因光学系统自身热辐射以及目标反射的空间环境辐射可通过相应手段进行抑制，且材料的光谱发射率会因材料的种类和表面处理工艺的不同而发生复杂的变化，所以建模时只考虑目标自身辐射引起的探测器响应，且从材料的光谱发射率出发，建立一种基于多波段的点目标特征提取模型，同时建立特定类型目标表面材料的光谱发射率库，以此为基础确保了模型的可解性。对于建立的模型使用自适应多种群仿生算法——鸡群算法进行求解，有效地保证结果的稳定性与唯一性，避免虚假结果的出现。从仿真结果看，该种模型能够对点目标表面主要构成材料的相关特性进行有效提取，误差较小，为进一步的工程应用提供了理论基础。

[1] 孙成明，赵飞，袁艳. 基于光谱的天基空间点目标特征提取与识别 [J]. 物理学报，2015，64(3)：034202-1-034202-6.

SUN Chengming，ZHAO Fei，YUAN Yan. Feature extraction and recognition of non-resolved space object from space-based spectral data [J]. Acta Physica Sinica，2015，64(3)：034202-1-034202-6.

[2] 石良辰，蔡国飙，朱定强. 空间飞行器红外光学信号的模拟 [J]. 宇航学报，2009，30(1)：229-234.

SHI Liangchen，CAI Guobiao，ZHU Dingqiang. The Simulation to Infrared Signatures of Spacecraft [J]. Journal of Astronautics，2009，30(1)：229-234.

[3] 张衡，彭启民，吕文先. 基于亮度序列的空间目标周期性判证与提取 [J]. 系统仿真学报，2009，21(2)：418-421.

ZHANG Heng，PENG Qimin，LÜ Wenxian. Periodicity Determinant and Extraction for Space Target Using Intensity Information [J]. Journal of System Simulation，2009，21(2)：418-421.

[4] 刁华飞，李智. 基于天基光学探测信息的GEO目标识别研究 [J]. 装备指挥技术学院学报，2010，21(5)：55-59.

DIAO Huafei，LI Zhi. Research on the Identification of Geosyncchronous Objects with Space-based Visible Surveillance Data [J]. Journal of the Academy of Equipment Command & Technology， 2010，21(5)：55-59.

[5] 王国强，吴元昊. 空间目标红外辐射特征的地基测量 [J]. 红外与激光工程，2011，40(9)：1634-1639.

WANG Guoqiang，WU Yuanhao. Ground-based measurement on the infrared characteristic of space object [J]. Infrared and Laser Engineering，2011，40(9)：1634-1639.

[6] 陈衡. 红外物理学 [M]. 北京：国防工业出版社，1985：55-62.

CHEN Heng. Infrared Physis [M]. Beijing：National Defense Industry Press，1985：55-62.

[7] 张建奇，方小平. 红外物理 [M]. 西安：西安电子科技大学出版社，2004：23-28.

ZHANG Jianqi，FANG Xiaoping. Infrared Physis [M]. Xi¢an：Xidian University Press，2004：23-28.

[8] 王雨飞. 大气层外目标红外辐射和光谱特性研究 [D]. 北京：中国科学院大学，2011：6-13.

WANG Yufei. Study on infrared radiation and spectral characteristics of the target in the atmosphere [D]. Beijing：University of Chinese Academy of Sciences，2011：6-13.

[9] MENG Xianbing，LIU Yu，GAO Xiaozhi，. A New Bio-inspired Algorithm：Chicken Swarm Optimization [J]. International Conference on Swarm Intelligence，2014，8797：86-94.

[10] 闵桂荣，郭舜. 航天器热控制 [M]. 北京：科学出版社，1998：91-105.

MIN Guirong，GUO Shun. Spacecraft Thermal Control [M]. Beijing：Science Press，1998：91-105.

Feature Acquisition and Recognition of Point Target Based on Infrared Spectrum

LI Sujun1,2，LIAO Sheng1，REN Qifeng1，LI Qiang1

( 1. Institute of Optics and Electronics, Chinese Academy of Sciences, Chengdu 610209, China;2. University of Chinese Academy of Sciences, Beijing 100049, China )

In detection of distant target, it is difficult to extract target information effectively, which are the temperature, area, surface material type and other characteristics. According to the spectral emissivity, which is the inherent nature of an object, target material characteristics, structural characteristics and the infrared radiation characteristics, an IR composite model is established based on two wavebands. Based on the model and material spectral emissivity, a method of feature extraction of target is proposed. In terms of the special target, the main categories of constituent materials used in constructing them are found. Meantime, the spectral emissivity of materials is measured. The correspondent database is established, which describes the relationship between the categories of constituent materials and spectral emissivity of materials. Based on the model and database, surface material type, radiant temperature and effective radiation area of target are obtained by using chicken swarm algorithm. The method has a good result.

infrared spectrum; spectral emissivity; infrared radiation; chicken swarm algorithm; inversion

TN247

A

10.3969/j.issn.1003-501X.2016.05.003

2015-09-28；

2015-12-21

国防预研项目

李素钧(1992-)，男(汉族)，河南漯河人。硕士研究生，主要研究工作是红外信号处理、图像压缩。E-mail: leesj12@foxmail.com。