为了在野外环境中快速有效地识别敌方伪装的机动目标,设计了基于光谱探测与视频图像目标识别方法联用的目标识别系统.采用视频图像识别技术获取被测区域的二维影像,再通过光谱探测技术识别目标,最终将目标重建在图像相应位置上从而实现目标识别的可视化.理论推导得到了系统可识别目标的函数关系式,根据该函数关系进行了目标识别的量化实验.实验采用汽车模拟被测机动目标,在不同距离上分别以平坦荒地、灌木丛和废弃建筑物为背景,对明显目标、涂覆迷彩色的目标以及遮挡伪装物的目标分别进行光谱探测.实验结果显示,测试背景对光谱探测效果有一定影响,背景的连续性有利于目标识别;伪装方式以伪装物遮挡最难识别,且随着目标与系统的距离增大而信噪比随之降低.综上所述,采用光谱探测技术克服了传统图像目标识别无法识别伪装目标的缺点,可以实现对伪装目标的有效识别.

采用静态迈克尔逊干涉仪对待测目标进行光谱识别, 在空间干涉长度不变的条件下, 应用BP神经网络算法对混合光谱分离过程进行优化, 从而达到提高伪装目标识别概率的目的. 由干涉仪及线阵CCD记录视场内所有位置上的光谱信息, 构成混合光谱数据集合, 以已知材料的标准吸收光谱作为隐含层的规则依据, 将BP神经网络应用于混合光谱的分离. 实验采用不同距离、 不同背景组合的混合光谱作为初始数据, 以1.5 m×1.5 m钢板做成四种待测目标, 由静态迈克尔逊干涉仪得到混合光谱, BP神经网络算法与传统光谱吸收算法对无伪装目标的识别率都在90%以上, 对具有伪装效果的待测目标识别概率分别为75.5%和31.7%, 所以采用BP神经网络可有效地提高伪装目标的识别概率.

针对传统分光器件存在移动部件以及不能快速实时选择波长的不足，搭建了用声光可调滤光器(AOTF)作为分光器件的多光谱成像系统。系统由光学镜头、AOTF、AOTF驱动器、CCD摄像机和图像采集系统组成。本系统能够在(500～1000)nm的光谱范围内成像。通过对AOTF的控制可以任意选择系统的光谱，从而有目的地选择具有典型目标特性的不同波段的光谱波长，形成同一目标在不同光谱波长下的不同图像。采用迷彩布、头盔以及自然花草进行多次目标特性识别试验，得到了能突出目标特性的具有典型光谱特性的图像。证实了基于AOTF的多光谱成像系统灵敏度高、体积小、无移动部件，并且能够快速实时地改变和选择光谱波段，在所成的多光谱图像中能提高目标与背景的对比度，对伪装目标有明显的探测和识别能力，能将伪装目标与背景区分开。

针对传统Mean Shift 跟踪算法对伪装目标进行跟踪时容易陷入局部最大值导致跟偏甚至跟丢的问题，本文首先采用联合直方图来增强对目标特征的描述，然后在跟踪过程中以目标背景区分度为原则，动态更改目标描述模型和通过调整联合直方图各部分的权重来自适应背景的变化，以保证跟踪此类目标的鲁棒性。实验证明，针对与背景相似的伪装目标，改进的Mean Shift 算法仍能对其进行有效准确的跟踪。