红外与激光工程
2020, 49(8): 20201026
1 北京理工大学 光电学院,北京 100081
2 西安应用光学研究所,陕西 西安 710065
3 中国人民解放军32180部队,北京 100012
系统地分析了各种快照式光谱成像技术并进行了对比。依据光谱数据立方体分割到2D空间进行成像的方法,将不同的快照式光谱成像技术分成图像分割、孔径分割、光路分割和频率分割4类,按类别探讨了17种技术方案的原理、优点、缺点与现状,从空间像素数与光谱通道数权衡、图谱匹配、空间采样连续性、光能利用率及动态范围5个方面进行了对比和展望。研究结果有助于相关领 域学者快速全面地了解快照式光谱成像仪的研究现状,为进一步提升其综合性能奠定基础。
光谱成像 快照式 通道成像 图像分割 孔径分割 光路分割 频域分割 spectral imaging snapshot channel imaging division of image division of aperture division of optical path division of frequency domain
1 北京理工大学 光电学院 机器人与系统教育部重点实验室, 北京 100081
2 西安应用光学研究所, 陕西 西安, 710065
3 西安现代控制技术研究所, 陕西 西安, 710065
4 上海航天控制技术研究所, 上海 201109
针对现有脉冲激光回波目标识别方法不能准确反映目标姿态的关键问题, 提出一种基于激光回波与散斑的时空域目标探测方法, 重点建立了粗糙目标的脉冲激光回波与二维激光散斑模型, 通过对平面、球面和非球面三种面型目标进行仿真, 不仅可以映射出不同目标的面型和偏转角度, 还可以区分目标的偏转方向, 说明该方法的可行性与有效性。
光电探测 激光雷达目标识别 激光回波 散斑 photoelectric detection lidar target recognition laser echo speckle
1 北京理工大学 光电学院, 机器人与系统教育部重点实验室 北京 100081
2 清华大学 深圳研究生院, 深圳 518055
3 西安应用光学研究所, 陕西 西安 710065
针对现有深度图像增强算法存在边界保留特性差的问题, 提出梯度掩模导向联合滤波(gradient mask guided joint filter,GMGJF)算法。利用深度图像进行Sobel梯度变换获取边界方向信息, 利用深度图像空洞区域生成空洞掩模, 再以边界方向和空洞掩模为导向联合彩色图像对深度图像进行迭代高斯滤波和空洞填充。实验结果表明, GMGJF算法的PSNR(peak signal to noise ratio)、SSIM(structural similarity index measure)比IMF(iterative median filter)、GF(guided filter)、JBF(joint bilateral filter)算法的PSNR、SSIM至少提高了3.50%和1.07%, 不仅去噪能力、空洞填充能力最强, 而且边界特征保持最好, 有利于深度图像的特征提取与目标识别。
深度图像 梯度掩模导向联合滤波 空洞掩模 图像增强 depth image gradient mask guided joint filter hole mask image enhancement PSNR PSNR
1 西安应用光学研究所,陕西 西安 710065
2 63961部队科技处,北京 100012
光谱成像探测技术将成像技术和光谱技术结合在一起,能够提供丰富的目标场景信息。对多光谱成像探测技术进行了详细研究,针对迷彩伪装目标侦察设计了无人机载多光谱摄像机,重点分析了多光谱侦察探测、识别的计算方法。通过试验验证,多光谱侦察效能提高20%~50%。
光谱成像探测技术 无人机载多光谱侦察 光谱特征 信噪比 空间分辨率 spectral imaging detection technology unmanned airborne multispectral reconnaissance spectral feature signal to noise ratio spatial resolution
海面目标受海水扰动影响, 难以被宽波段光电传感器探测识别。高光谱传感器可以获取海面目标和水体的光谱数据, 利用目标和海水的光谱特性差异可以有效抑制海面扰动影响, 提高探测识别能力。针对高光谱数据降维融合容易丢失海面弱小目标问题, 研究了弱小目标光谱数据融合方法。通过相似性分类产生类矩阵, 由类矩阵主成分变换的降维投影矩阵来投影变换原有光谱数据, 获得降维数据矩阵。降维矩阵通过空间变换转换到RGB彩色空间, 生成伪彩色融合图像。通过远距离弱小目标和水中鱼群高光谱数据, 验证了改进方法的融合性能。实验结果表明: 相似性分类融合方法不仅能将高维光谱数据融合成一幅伪彩色图像, 还能有效避免弱小目标融合丢失问题, 提高了目标探测识别能力。
海面侦察 弱小目标 光谱数据融合 降维矩阵 相似性分类 sea surface reconnaissance weak small target spectral data fusion dimension reduction projection matrix similarity classification
为了提高复杂场景弱小目标高光谱融合图像的质量, 提出了基于相似性分类的主成分融合方法。光谱数据像素向量的相似性测度分类产生类矩阵, 通过由类矩阵主成分变换的降维投影矩阵来投影变换原有光谱数据, 获得降维数据矩阵。对比了传统PCA与基于欧式距离分类的PCA(ED_PCA)、基于光谱角分类的PCA(SA_PCA)、基于光谱信息散度分类的PCA(SID_PCA)和基于正交投影散度分类的PCA(OPD_PCA)四种改进方法的融合性能。实验结果表明: SA_PCA和SID_PCA方法兼具了ED_PCA和OPD_PCA的优点, 对比度提升较好, 阈值参数不敏感, 运行时间较短。
主成分变换 相似性测度 像素分类 光谱图像融合 principal component analysis (PCA) similarity measures pixel classification spectral image fusion
针对独立成分的排序问题,提出一种滑窗负熵统计的独立成分特征提取方法,并将优选成分应用于目标检测。采用小窗口在独立成分的二维空间范围滑动,采用非多项式负熵逼近统计评价每个窗口数据,将窗口统计值的最大值作为该成分的评价值,按照评价值大小排序;采用直方图零值分割方法,确定有效独立成分阈值,将独立成分进行二值化,实现特征提取后独立成分的目标检测。实验结果表明,基于滑窗负熵统计的独立成分特征提取方法,既能避免野值对评价优选结果的影响,又能优选出含有较小目标的独立成分,便于感兴趣目标的快速检测。
光谱学 特征提取 光谱降维 滑窗统计 独立成分分析 目标检测
提出一种空间降采样独立成分特征分离方法, 用于缩短独立成分分析(ICA)法在高光谱图像特征分离时的运算时间。该方法通过对高光谱图像的二维像素空间进行网格划分得到较小的窗口; 基于光谱相似性测度法度量每个窗口中中心像素与周围像素的距离。然后舍弃这段距离小于阈值的周围像素, 而将大于阈值的周围像素和中心像素作为样本量进行FastICA, 获取投影矩阵变换原始数据, 得到特征分离的ICA成分。对比了传统ICA与空间降采样(SDS)ICA(SDS_ICA)的性能, 研究了降采样阈值参数、降采样窗口参数及初始投影矩阵对SDS_ICA特征分离性能及运行时间的影响。实验结果表明: 应用SDS_ICA时, 仅设置适中的阈值和不敏感的窗口大小参数, 就能保持与传统ICA相近的特征分离性能, 运行时间减少了30%以上。该方法适合应用于高光谱准实时特征提取、数据降维及目标探测等领域。
高光谱图像 独立成分分析(ICA) 空间降采样(SDS) 空间降采样ICA(SDS_ICA) 特征分离 运行时间 hyperspectral image Independent Component Analysis(ICA) Spatial Down Sample(SDS) spatial down sample ICA(SDS_ICA) feature separation run-time 光学 精密工程
2015, 23(11): 3246
研究降维、去冗后光谱数据色彩显示问题。传统的光谱数据色彩显示时, 常采用截取或压缩至0~1范围进行映射, 容易丢失图像细节, 提出一种基于多区间平移映射评价优选方法的光谱数据色彩融合显示算法。首先对光谱数据立方体进行主成份变换, 将前三成分分别赋值给对色空间的黑白通道、红绿通道和黄蓝通道, 然后经过空间变换到sRGB空间, 将数据分段平移到0~1范围, 映射至8位RGB空间, 并对每次平移映射图像进行标准差、熵、平均梯度的单项评价, 全部平移结束后, 对所有的评价值进行综合评价, 选取综合评价值最高的区间输出映射。实验结果表明, 融合图像能最大限度地保证图像的能量、信息和清晰度, 有利于人眼的快速识别判断。
光谱学 融合显示 评价优选 数据立方体 成像光谱 颜色映射 spectroscopy fusion and vision evaluating and optimizing data cube imaging spectra color mapping