地面目标的中波红外高光谱成像特性测量

江岳鹏, 曹运华, 吴振森, 曹轶森, 胡绥靖

西安电子科技大学物理学院, 陕西 西安 710071

引 言

红外高光谱遥感与传统的单波段和多波段红外遥感不同, 它能获得上百个波段的目标光谱信息。 因此, 在高光谱遥感发展日趋成熟的今天, 红外高光谱成像由于其具有“图谱合一的特点”, 越来越受到国内外的广泛关注。 常规的红外高光谱波段可分为短波红外、 中红外、 远红外和超远红外波段, 它们在红外辐射特性测量的研究上起着至关重要的作用, 尤其是3～5 μm的中波红外波段在实时侦测地面环境变化、 资源环境调查与评估等方面有着十分广泛的应用。

国内各高校和研究机构设计了不同的测量系统, 并做了各种红外辐射特性的统计分析实验。 中国空空导弹研究院黄莉等使用红外热像仪和光谱辐射计进行地面雷达目标的红外辐射实际测量[1], 将光谱仪的光谱分布和热像仪的空间分布特征结合, 进行红外辐射特性测量的研究。 中国洛阳电子装备试验中心的王东等采用长波测量设备对固定翼飞机地面滑跑状态的红外辐射特性进行了测量[2], 得到了8～14 μm长波波段飞机不同部位, 不同方向的红外辐射亮度与测试方位关系图。 中国科学院李春来等利用其所设计的ATHIS热红外高光谱成像仪[3], 在实验室进行了典型矿物样本发射率光谱的测量实验[4], 总结了ATHIS在8～11 μm长波波段下针对矿物发射率光谱和气体透过率光谱的传输模型。 在生物快速分类检测方面, 南京农业大学李凯楠等基于近红外高光谱成像技术识别紫斑和霉变大豆[5], 吴叶兰利用高光谱成像对柑橘病虫药害叶片进行研究[6], 其基于可见/近红外高光谱成像数据已经进行了一系列多种类生物快速精准检测方法的研究。 但是受背景辐射抑制、 制冷技术、 探测器等技术方面的影响, 国内在红外高光谱成像方面还处于缓慢发展的阶段, 国外在红外高光谱成像方面的研究要早于国内。 国外研究方面, Katari设计了一种近红外高光谱成像系统[7], 通过对高光谱成像显微系统进行改造, 将其拓展到近红外波段(950～1 300 nm), 用于检测分散在水溶液中的单壁碳纳米管的光致发光光谱。 Hamed Akbari利用高光谱成像系统进行了肿瘤检测, 研究癌组织与非癌组织反射率特性的差异性[8], 提出了光谱区域在1 226～1 251和1 288～1 370 nm之间的第一批衍生物作为成功区分非癌组织和癌组织的标准。 Notarstefano通过傅里叶变换红外高光谱成像(FTIR-HSI)研究人类胰腺癌组织[9], 采用FTIR-HSI分析了诊断为胰管腺癌和胰腺神经内分泌肿瘤的组织样本, 并将光谱数据与健康和异型增生样本进行了比较, 确定不同病变的明确光谱标志物。 加拿大公司Telops也推出了一款基于傅里叶变换的热红外高光谱成像仪Hyper-Cam, Notesco Gilal使用Hyper-Cam高光谱长波红外成像仪(8～12)对土壤进行矿物分类[10], 通过采集90个以色列土壤样品的地面高光谱长波红外图像, 并计算了每个样品的发射光谱, 鉴定矿物相关的发射率特征。

光谱辐射亮度的相对不确定度是衡量高光谱成像仪成像质量的重要指标之一, 中国科学院的刘俊池等人对中波红外大气透射率的测量以及误差进行了研究[11], 刘增灿对地面装备红外辐射测量不确定度进行了分析, 系统的分析了复杂环境下的动态红外辐射测量不确定度[12]。 但是国内学者的研究主要集中在目标红外辐射特性测量不确定度的影响因素, 对于目标表观光谱辐射亮度测试不确定度和光谱辐射亮度相对不确定度, 特别是中波红外特性测量方面的光谱相对不确定度却少有研究。

本工作利用Telops公司设计的Hyper-Cam拓展中波高光谱成像仪对某坦克模型进行了中波高光谱成像测试研究。 对水泥地上的坦克目标进行了测试, 同时测试了大气环境参数、 目标表面温度以及测试场景的三维模型等辅助数据。 对测试数据进行了定标、 大气校正和不确定分析。 在此基础上, 从空间分布和光谱分布两个角度对测试数据进行了分析。

1 实验部分

1.1 地面目标中波红外高光谱成像测试

1.1.1 实验场景布局

实验时间为2021年10月15日, 实验地点位于河北省承德, 其地理位置的经纬度为: 北纬41°32′16″, 东经117°26′42″。 测试设备架设于办公楼楼顶, 高16.2 m, 如图1(a)所示。 测量点距离被测目标的斜距为102.5 m, 测量方位角340°, 俯角范围: -12°, 如图1(b)所示。 测试目标为某坦克模型, 目标位于水泥路面上, 如图1(c)所示。

图1 实验场地示意图

1.1.2 测量方案

(1) 主要测试仪器指标

采用的测试仪器有: MS Smart 倾斜摄影相机如图2(a)所示、 IBS-F60综合气象站如图2(b)图所示、 SSN-61热电偶温度采集仪、 Hyper-Cam拓展中波光谱成像仪如图2(c)所示。

图2 实验使用主要仪器照片

主要仪器指标如表1—表4所示。

表1 Hyper-Cam拓展中波光谱成像仪主要技术参数

表3 SSN-61热电偶温度采集仪技术参数表

表4 IBS-F60综合气象站技术参数表

(2) 总体测量方案

在进行地面目标的中波红外高光谱成像测试时, 除了高光谱成像测试外, 还进行了一些辅助参数的测量, 包括: 实验场地的三维重建、 气象参数的测试和目标表面温度的测试。

①实验场地的三维重建

为了还原测试场的真实场景, 并获得各测试目标、 测试仪器的相对位置, 利用大疆无人机挂载倾斜摄影相机系统对测试场进行了拍摄, 并完成了三维重建。

②气象参数测量

测试环境的温度、 湿度、 气压、 能见度等参数, 会对测试数据产生影响, 在测试数据大气校正时需要相关参数。 因此, 利用IBS-F60综合气象站对测试场的气象参数进行了测试。

③测试目标表面温度测量

目标表面的温度在目标表面材料温度、 发射率分离, 以及测试不确定度分析时是必不可少的。 利用热电偶温度采集仪, 测量了目标表面典型点位的温度。

④地面目标中波红外高光谱成像测量与定标

利用高光谱成像仪, 调节合适的积分时间[13], 对地面目标的高光谱成像进行采集。 为了精度和不确定度分析, 同一状态采集3幅图像。 利用双温定标法, 对测试数据进行辐射定标。 获取不同距离下探测器接收的DN值和辐射亮度之间的转换关系[13]。

1.2 实验数据处理

1.2.1 大气校正

实验过程中, 探测器接收到的辐射亮度包含三部分: 几何路径辐射、 目标本身对太阳和大气的背景辐射的散射以及目标自身的热辐射[14]。 探测器接收到的光谱辐射亮度如式(4)所示。

L(λ)=τatm(λ)[Lself(λ,T,ελ)+Lreflect_bg(λ)]+Lpath(λ)

(4)

式(4)中,L(λ)为探测器接收到波长为λ的光谱辐射亮度,τatm(λ)是大气透射率;Lself(λ,T,ελ)为目标自身的热辐射,ελ为波长λ时目标表面的发射率。T是目标自身温度,Lreflect_bg(λ)为目标反射的太阳和大气背景的辐射亮度,Lpath(λ)表示大气的路径辐射。 大气校正即为去除大气的路径辐射和传输衰减对测试数据的影响, 获取目标本体的辐射亮度,

处理方法如(5)式所示。

(5)

在目标高光谱成像测试的同时, 对测试场的环境参数进行同步测试, 测试结果如表5所示。 基于表5中的环境参数, 利用Modtran4.0算出测试路径的光谱透过率和大气程辐射[15]。 Modtran计算时的输入条件为: 中纬度夏季模型, 2020年10月15日(第289天), 云层情况为无云无雨, 观测高度为1 km, 大气厚度为10 km。 计算结果如图3所示。

表5 实验场地环境参数

图3 目标到传感器路径上的大气传输特性, 光谱透过率(a)和程辐射(b)

在图4中, 给出了逐个像素点大气校正前后4.7 μm波段辐射亮度图的对比图。

图4 大气校正前(a)后(b)4.7 μm波段辐射亮度图

在图5(a)图中给出目标及地表各部位典型点的位置标识: A点代表侧面上半部分、 B点代表履带、 C代表水泥地面; 图5(b)图中, 给出了目标上各典型位置处, 在大气校正前后的光谱辐射亮度对比图。

图5 目标典型位置标识(a)和大气校正前后光谱辐射亮度对比图(b)

从图5(b)图可以看出, 在目标侧面上半部分典型位置处, 4.3 μm波段附近大气校正后的光谱辐射亮度相比大气校正前出现了一个波谷。 结合图3的光谱透射率和程辐射可以发现: 在3～5 μm波段中除了4.3 μm波段, 其余波段的路径辐射和透射率对表观光谱辐射亮度的测量值影响较小, 所以校正前后的数据几乎重合, 4.3 μm波段处于大气吸收带上, 该波段Modtran计算的平均透射率几乎为0, 在进行真实值校准的过程中, 探测器所测得的光谱辐射亮度值与大气程辐射差值为无穷小量, 导致4.3 μm波段附近数据不可用。

1.2.2 测量不确定度分析

根据国家标准《测量不确定度评定与表示》中给出的测量不确定度估算方法[16], 拓展源目标光谱辐射亮度合成标准不确定度ΔLt(λ)计算方法为

(7)

国内各高校及研究所对Modtran的性能分析得出大气透射率的平均不确定度为0.016 9; 大气程辐射平均相对误差为2%左右[17], 因此

(8)

(9)

(10)

式中,n为同一组实验中Telops拓展中波高光谱成像仪所拍的帧数, 为实验标准差的修正因子, 本次实验所调的帧数为3帧, 所以n取3, 其对应的修正因子t0.683为1.32。Δ为制造厂商的技术说明书给出的最大允许误差, 该光谱成像仪的出厂报告给出的常温下至100°测试目标的Δ=±0.95 K。

利用黑体辐射公式如式(11)所示

(11)

将黑体辐射公式对各变量求全微分, 得到仪器的系统误差公式

(12)

式中:c1=2πhc2=(3.741 5±0.000 3)×108W·μm4·cm-2;c2=ch/k=1.438 79×104μm·k。

最终获取光谱辐射亮度的相对不确定度的公式如式(13)所示。

(13)

结合上述式(7)—式(13)可以得到光谱辐射亮度的相对不确定度求解公式。 图6给出了测量数据中, 不同测试点的光谱不确定度。

图6 光谱辐射亮度相对不确定度

从图6可以看出: 在波数为2 000～3 000 cm-1波段, 测试数据相对不确定度一直稳定在10%附近, 误差较小。 在大于3 000 cm-1以后的波段, 其不确定度迅速上升, 超过了30%。 该波段的相对不确定度较高的原因是: 目标在该波段的辐射很低, 且该波段目标辐射与大气路程辐射接近, 而引起测试不确定度增大。 从图中还可以发现, 在2 325 cm-1(4.3 μm)波段附近光谱相对不确定度明显升高, 出现了一个波峰。 该波峰出现的原因是: 在该波段中大气透射率几乎为0, 导致无法获得目标准确的光谱辐射亮度值所形成的。

对图6中各典型特征点的光谱辐射亮度相对不确定度求平均值, 可以得到其平均相对不确定度, 如表6所示。

表6 典型特征点的平均相对不确定度

从表6可以看出: 各部分的平均不确定度都在20%以内, 测试的平均相对不确定度较小。

2 结果与讨论

2.1 典型特征点光谱辐射亮度随波长的变化

选取实验中具有典型特征点的数据, 例如坦克侧面上半部分、 侧面下半部分、 履带、 炮口以及水泥地面这五个部分的3×3个像素点的平均值数据进行分析, 如图7(a)、 (b)所示。

图7 典型位置标识(a)和大气校正后光谱辐射亮度变化情况(b)

图7(b)是针对测试场中坦克模型的履带、 炮口、 侧面上、 下部分涂层和水泥地表的辐射亮度随波数的变化曲线, 从图中可以发现: 从整体上看该波段下的光谱辐射亮度基本满足于:LA>LB>LC>LD>LE。

对比表7所示测温仪测得的模型各部分的温度数据, 发现侧边上半部分A处的温度会小于侧边下半部分B处的温度, 但是它们的光谱辐射亮度关系却相反, 这主要是因为实验测量时间是在上午9点半左右, 模型在A处散射的太阳辐射亮度要大于B处所散射的太阳辐射亮度造成的。 从图中还可以发现, 波长较长处, 这五个部分所对应的光谱辐射亮度差异性较大, 随着波长的减小, 差异性逐渐变小。 从图7中还可以发现, 无论是地表还是目标的各个部分, 整体辐射亮度随波长变化趋势基本相同, 除去大气吸收带部分, 基本满足于波长越长, 辐射亮度越大的变化趋势。

表7 模型各部位温度记录表

2.2 典型波段下坦克模型空间辐射亮度分析

为了分析典型波段下坦克模型的空间辐射亮度, 将光谱辐射亮度值在各典型波段内进行积分, 得到目标的空间辐射亮度分布特性如图8所示, 计算公式如式(14)所示。

(14)

图8 各典型波段下模型的辐射亮度空间分布图

式(14)中,L(T)为温度为T时, 目标在λ1～λ2波段内的辐射亮度, 单位是W·m-2·Sr-1。

从各典型波段下(处于大气吸收带的波段4.2～4.4 μm除外)的空间辐射亮度分布上看, 模型侧边上辐射亮度较大, 炮口处和履带处的辐射亮度较小, 这主要是各部分对阳光的散射不同造成的。 模型整体与周围的地表的辐射亮度有着明显差异性, 可以在水泥地表较为直接地甄别出目标模型。 在3～5 μm的辐射亮度中, 4.4～4.8 μm波段下的辐射亮度占比较高, 该波段下成像效果最好。 3.2～3.8 μm波段下的辐射亮度占比较低, 该波段下成像效果较差。 随着波长的减少, 空间各点的辐射亮度值在下降, 处于大气吸收带下的4.2～4.4 μm波段, 由于大气透射率几乎为0, 无法获得其准确的空间辐射亮度分布。

3 结 论

在测试场测试了某坦克模型的中波高光谱成像, 对测试数据进行了定标、 大气校正和不确定度评估。 测试数据平均相对不确定度在20%内, 具有较高的测量精度。 该测试数据和不确定度评估方法, 具有普适性, 可应用于各种地海环境和目标的高光谱成像测试。 从典型特征点的光谱辐射亮度上看, 模型侧面上、 下涂层部分以及履带和炮口的光谱曲线上有着明显的差异性, 且在该波段目标对阳光辐射的散射对测试数据影响较大。 对于任意特征点而言, 探测器所接收到目标发射的波长较长部分的辐射亮度要大于波长较短部分的辐射亮度。 从典型波段的空间辐射亮度分布上看, 目标各部位辐射亮度分布与周边水泥地表的辐射亮度具有明显差异性, 在水泥地表下可以明显的甄别出目标。