基于光谱探测的战场目标快速识别
程呈1, 高敏1, 程旭德2, 方丹1, 陈一超3
1. 陆军工程大学石家庄校区导弹工程系精确制导技术研究所, 河北 石家庄 050003
2. 陆军工程大学军械士官学校导弹系, 湖北 武汉 430075
3. 陆军工程大学石家庄校区电子与光学工程系, 河北 石家庄 050003

作者简介: 程 呈, 1991年生, 陆军工程大学石家庄校区导弹工程系精确制导技术研究所博士生 e-mail: clarence_oec@sina.com

摘要

基于光谱探测的目标识别技术, 因其能够对抗伪装目标、 抗干扰性强等优势, 已经逐步应用于军事领域, 为战场目标识别提供了一个新思路。 该方法的重点在于光谱识别的准确性、 数据处理技术等等, 目前对于该方法的研究、 改进以及创新多基于上述重点进行的。 现代战争的复杂程度越来越高、 可预见性越来越低, 所以对于战场机会的把握成为了能否打赢现代战争的关键, 因此对于应用于战场的目标识别方法的实时性要求将越来越苛刻。 故重点集中在基于光谱识别的目标识别方法的实时性, 目的是为了实现快速的目标识别, 使得该方法能够适应现代战争的作战特点, 增强其实用性。 首先对该研究的必要性进行分析; 然后以偏振干涉成像光谱仪为例, 说明该工作的改进之处并对提高目标的实时性进行原理分析; 最后对下一步的工作重点以及应用领域进行分析, 简述发展前景。

关键词: 光谱探测; 目标识别; 实时性; 快速识别; 特征波长
中图分类号:O433.4 文献标志码:A
Research on Fast Target Recognition Method Based on Spectrum Detection in Battlefield
CHENG Cheng1, GAO Min1, CHENG Xu-de2, FANG Dan1, CHEN Yi-chao3
1. Department of Missile, Precision Guidance Technology Research Institute, Army Engineering University, Shijiazhuang 050003, China
2. Department of Missile, Army Engineering University, Wuhan 430075, China
3. Department of Electronic and Optical Engineering, Army Engineering University, Shijiazhuang 050003, China
Abstract

In the modern battlefield, in order to improve the combat capability of the precision guided weapons, realizing effective recognition and precision strikes for targets in battlefield, in this paper, a new method of fast target recognition based on spectral fingerprint analysis is proposed, which combines the characteristics of precision guided weapon seeker characteristics with the operational characteristics. Spectral detection technique is used to obtain the spectral fingerprints of the suspected target areas, and then the target characteristics are analyzed through the spectral fingerprints. Due to the time limit of the precision guided weapon in the actual combat, the process speed of target identification and processing must have good real-time performance. Based on this, we simplified the traditional spectrum detection processing program, and only on the range of the part was concerned with the spectral analysis, so that the amount of data was greatly reduced; When analyzing the spectrum information, the characteristic wavelength of the equipment was defined according to the classification of the weapon and equipment, and the characteristic information of the target was used to characterize a class of targets, which can help to improve the speed of target recognition. In this paper, firstly the influence of target recognition methods were expounded, which showed the necessity of this study; then the fast identification method based on spectrum detection was derived, which showed the feasibility of this study; at last, the proposed method of fast target recognition based on spectrum detection was verified by a series of experiments, which showed the superiority of this study.

Keyword: Spectrum detection; Target recognition; Real-time performance; Fast identification; Characteristic wavelength
引 言

目标识别技术是指通过获取被测目标的形状信息、 回波信息、 辐射信息等, 分析判断被测目标的种类、 工作模式。 该技术已经广泛应用与军事侦察、 目标跟踪、 目标识别等方面[1]。 对于目标信息的获取主要可分为主动获取和被动获取两部分, 主动获取的方式主要包括雷达探测[2]、 激光测距[3]等, 其优点在于精度高、 指向性强; 缺点在于探测能力受环境制约较大, 又由于基于雷达、 激光的目标识别技术需要主动发射电磁波, 导致其隐蔽性不强, 易被敌干扰或发现。 为消除此类影响, 许多专家学者从光谱探测技术入手, 提出了基于光谱识别的战场目标识别的方法。

光谱探测通常是利用光谱线的波长、 强度以及谱线宽度等特征信息对目标以及目标所处的周围环境进行识别的[4], 数据处理的方法通常是根据已知的光谱模版或者光谱数据库进行比对, 从而获取相应的目标信息。 文献[5]中, 作者对战场高速目标进行识别定位, 利用光谱探测技术并结合声传感器对战场炮弹、 枪弹进行定位识别, 并设计识别定位系统, 实现了对高速目标的识别以及定位; 文中对算法的可行着重分析, 却未提及该方法的实时性。 文献[6]中, 作者针对野外工作时机械扫描式的光学系统抗震性差、 目标识别率低等问题进行了改进, 设计了一种采用多光谱分离算法实现目标识别; 利用粗糙集分类提取未知的光谱属性, 减少数据处理的数据总量, 在一定程度上提高了系统的整体实时性, 但与现代战场对于目标识别的实时性要求还有一些差距。

我们对目标识别的实时性进行研究, 在传统的基于光谱探测的目标识别系统基础之上进行改进, 按照战场目标特性增加相应数量的滤光片。 滤光片的作用体现在系统输入段, 整个系统的输入由于不同波段的滤光片而急剧降低, 又由于战场目标的光谱信息具有聚类特性, 所以仅对特征光谱谱线进行识别就能够识别出视场中的战场目标。

1 系统设计

由于光谱探测是针对入射光的每一波段进行分析的, 处理过程中必将产生巨大的数据量, 导致整个系统数据处理速度下降, 不能适应现代战场作战高实时性的特点。 基于此, 对基于光谱探测的目标识别系统进行改进, 增加滤光镜降低系统输入数据量。 由于武器装备(战场目标)的材料所限, 其产生的光谱谱线必定处于一个较小波段内, 所以仅对该波段的光谱信息进行提取、 分析, 就会大幅减少因全波段处理产生的数据冗余, 提高效率, 增强系统实时性, 这是提高目标识别系统实时性的理论依据。 由文献中所设计的传统的光谱识别系统出发, 本研究的目标识别系统示意图如图1所示。

图1 基于光谱与红外的目标识别设计Fig.1 Target recognition design based on spectrum recognition and infrared image recognition

由图1可以看出, 对传统的光谱分析系统进行改进, 增加了多个不同波段的滤光片, 仅处理目标表面材料的特征光谱波段, 不再全波段进行光谱分析, 有效降低数据量, 提高数据处理速度。 具体的光谱探测模块的设计如图2所示。

图2 光谱探测模块设计Fig.2 Design of spectrum detection module

改进后的光谱探测系统如图2所示。 其中L1, L2和L3为前置滤光片, 主要针对不同特征波段进行滤波; L4和L5构成了的前置的望远系统; P1为偏振片; SP为偏振干涉仪; P2为检偏器; L6为像镜; 绿色箭头为光路方向。

待测区域中伪装目标与周围环境发射出的光经过前置滤光片后, 特定波段(特征波段)的光线能够透过; 又经过偏振片P1后, 光线变为沿P1偏振化方向振动的一束线偏振光, 经偏振干涉仪SP后被剪切成两束振动方向相互垂直的线偏振光, 通过检偏器P2变成振动方向完全一致的两束线偏振光, 经过成像镜L6后在探测器上相遇, 形成干涉图样[7]

2 原理分析

光谱来源于分子振动, 是由分子振动的能级跃迁引起的, 与分子本身的化学结构、 空间几何结构、 分子内的力场结构、 电子云分布状况以及原子核的性质密切相关[5]。 物质的光谱是由谱线构成, 通过对谱线与波数的分析, 以双原子分子为例, 可以得到下述经验公式

ν˙=an-bn2 n=1, 2, 3, 4, 5, (1)

式(1)中, ν˙表示波数(波长的倒数); ab表示参数, 且不同化合物的参数一般不同。 当n=1时, 对应的谱线为基频谱线, 剩下的谱线成为泛频谱线。 在此就利用基频谱线作为不同化合物的特征进行分析。

将分子中各原子的振动按照经典力学的对谐振子模型进行处理, 得

x=Acos(ωt+ε)(2)

式(1)中, ω 为振动圆频率; A为振幅; ε 为初始相位; 则振子的速度可以写成

v=dxdt=-Asin(ωt+ε)(3)

式(2)中, v为振子速度, 振子的加速度可以写成

a=dvdt=-Aω2cos(ωt+ε)=-ω2x(4)

根据牛顿第二定律, 有

F=ma=m(-ω2x)=-Kx(5)

式(5)中, K为力常数, 则通过式(4)能够得到振子圆频率与力常数的关系为

ω2=Km(6)

又由于ω =2π f, 则频率f与力常数的关系可以写成

f=12πKm(7)

式(7)中, m表示相对质量, 且

m=m1m2/(m1+m2)(8)

式(8)中, m1m2分别表示分子中不同原子的原子量。 需要说明的是, 在此以双原子分子为例进行推导, 多原子分子的推导方式应按照不同的原子分布结构进行相应的分析。 而在光谱识别的过程中, 待测区域的背景辐射光谱可以表示为

Le(λ)={Se(λ, te)τe(λ, te)+B(λ, te)[1-τe(λ, tb)]}dλ(9)

式(9)中, Le为待测目标的周围环境光谱; Se为背景辐射亮度; λ 为辐射波长; τ e为背景与识别系统之间的透射率; te为背景表面的平均温度。 待测目标的辐射光谱可以表示为

Lc(λ)={Sc(λ, tc)τc(λ, tc)+Bc(λ, tc)[1-τe(λ, tb)]}dλ(10)

式(10)中, Lc为待测目标的光谱; Sc为目标表面辐射亮度; λ 为辐射波长; τ c为待测目标与识别系统之间的透射率; tc为猜测目标表面的平均温度。

根据实际探测得到的光谱图像的亮度不同, 进而判断出被测目标的相对位置, 可表示为

L1(λ)=Lc(λ)-Le(λ)L2(λ)=Le(λ)(11)

式(11)中, L1(λ )表示目标位置; L2(λ )表示环境位置。 当被测目标处于测试环境中时, 光谱探测系统在不同位置上获得的光谱谱线会有明显差异, 这种差异性就是对不同物质识别的基础。

由上述推导可知, 不同的分子(包括同位素组成的分子)都具有不同的光谱谱线, 这也就成为了区分目标与周围环境的前提。 由于武器装备一般隐身于树木、 房屋等区域, 目标本身与周围环境的基本构成差异较大, 光谱信息必然会存在差异, 即使在红外辐射量相近甚至相同的情况下, 利用光谱探测技术也能进行目标识别, 从原理上说明了该方法的可行性。

通过该系统进行目标识别, 相比于传统方法可以有效识别战场目标, 且系统输入数据量相比于传统光谱分析大大降低, 可保证目标识别的运算速度, 提高目标识别实时性。 故该设计思路更能适应精确制导武器, 具有一定的军事应用前景。

3 实验部分
3.1 测试环境

为模拟制导精确打击武器的攻击模式, 实验部分将光谱探测系统架设在高处(7层建筑物), 而待测目标放置于地面植被环境之中隐藏起来。 实验采用某型突击车装备模型作为待测目标, 实验主要验证所提出的基于光谱探测的目标识别方法是否能将战场伪装目标有效识别, 并分析不同环境条件对目标识别的影响。

3.2 结果与分析

光谱探测的视场信息如图3所示。

图3 视场内的背景信息Fig.3 Background information in field of view

对视场内的目标进行光谱探测, 重点在于光谱探测的快速识别方法, 所以固定探测角度与距离。 又由于上一节的理论推导可知, 不同的波长下的光谱图像亮度的差异能够用于对目标的探测。 实验中以10 nm为步长, 测试波长在449~799 nm范围逐步增大, 获得的目标光谱图像如图4所示。

图4 不同波长下的光谱图像Fig.4 Spectrum images at different wavelengths

从图4中可以看出, 在不同的波长下对视场进行光谱探测时, 目标所呈现的光谱图像亮度不同。 在波长为609 nm的情况下, 目标与周围环境的亮度相近, 无法对目标进行有效识别; 而在波长为719 nm以及799 nm的情况下, 目标与周围环境的亮度有明显差异, 能够对目标进行有效识别。 针对不同的伪装对目标处的光谱分布进行探测, 结果如图5所示。

图5 不同条件下的谱分布Fig.5 Spectral distribution in different situations

根据图5各不同情况下的光谱分布可以看出, 目标的伪装种类不同, 系统识别的程度也会有差异。 无伪装的目标识别效果最佳; 而利用涂料伪装以及覆盖伪装目标的光谱分布幅度略低于无伪装的目标分布, 但振幅的要求能够满足目标识别系统的探测能力, 即能够对目标进行有效识别。 利用本文提出的改进方法, 仅对目标特征波长范围进行光谱探测, 降低了系统的数据量, 使得整个目标识别系统的实时性提高, 具体识别结果如表1所示。

表1 新型光谱识别系统的目标识别结果 Table 1 Target recognition results based on novel spectrum recognition system

表1所示, 在不同的伪装情况下, 基于光谱探测的目标识别方法能够有效识别战场伪装目标。 从识别结果来看, 识别系统完成了目标识别任务, 但是基于传统的目标识别系统耗时较长, 改进的目标识别系统有效降低了系统耗时, 耗时约为传统系统的1/3。 系统实时性的提高有助于将该系统推向军事领域的实际应用, 具有一定的军事价值。

4 结 论

对光谱探测的目标识别方法进行研究, 着重对方法的实时性问题进行分析, 并结合传统的目标识别系统进行改进, 根据战场目标表面材料添加不同波段的滤光片, 用以滤除不具有目标特征光谱特性的波段, 减少进入整个识别系统的数据量, 从系统输入端上提高整个系统的实时性, 即从源头上减少了数据量, 使得基于光谱探测的目标识别方法能够适应现代战争的作战特点。 由于该系统的设计处于初级阶段, 下一步的工作主要集中在以下几个方面:

(1) 数据处理算法的实时性改进。 视场中各点的光谱谱线数据需要进行进一步处理, 为提高数据处理过程中的快速性, 需对相应的数据处理快速算法进行研究; 目前对于后续的数据处理主要以聚类算法为主, 如何准确聚类、 快速聚类成为该系统后续处理的亟待解决的问题。

(2) 目标识别系统的应用研究。 将本目标识别系统进行实际应用, 用以验证该方法的同时也能将该系统应用于军事领域; 若提高了系统的实时性后该系统能够应用于现代精确制导武器的导引头上, 就提高了此类武器装备的抗干扰性、 识别目标的能力。

The authors have declared that no competing interests exist.

参考文献
[1] WANG Bo, GAO Yu-bin, LU Xu-tao(王博, 高玉斌, 鲁旭涛). Spectroscopy and Spectral Analysis(光谱学与光谱分析), 2015, 35(5): 1440. [本文引用:1]
[2] Liu Hongwei, Feng Bo, Chen Bo, et al. IET Radar, Sonar & Navigation, 2016, 10(2): 228. [本文引用:1]
[3] LIU Tong, CHEN Hao, SHEN Ming, et al(刘通, 陈浩, 沈鸣, ). Chinese Journal of Lasers(中国激光), 2016, 43(4): 0408002. [本文引用:1]
[4] XU Wei-lin, WU Chun-feng, LU Li-hong, et al(许伟琳, 武春风, 逯力红, ). Chinese Optics(中国激光学), 2012, 5(3): 257. [本文引用:1]
[5] ZHANG Wen-jie, HUANG Min, ZHANG Gui-feng(章文诘, 黄旻, 张桂峰). Computer Technology and Development(计算机技术和发展), 2016, 26(1): 18. [本文引用:2]
[6] SHI Ting-ting, ZHANG Li-fu, CEN Yi, et al(石婷婷, 张立福, 岑奕, ). Journal of Remote Sonsing(遥感学报), 2015, 19(6): 954. [本文引用:1]
[7] WEI Yu-tong, LIU Shang-kuo, YAN Ting-yu, et al(魏宇童, 刘尚阔, 颜廷昱, ). Acta Phys. Sin. (物理学报). 2016, 65(8): 080601. [本文引用:1]