铁质破片的高光谱图像识别研究

无论是对战斗部爆炸威力进行评价还是计算民间反恐防暴时震爆弹的安全半径，都需分析爆炸破片的散布情况并对破片进行识别回收。当破片散落在沙土､石子以及落叶等背景时显著性极其差，一般的相机无法准确识别出背景中的破片，而且以人工识别为代表的传统破片识别方法效率低且易受人为主观影响高光谱成像技术是近十几年发展起来的集探测器件､精密光学器械､微弱信号检测､计算机及信息处理等技术于一体的综合性影像技术。近年来，学者利用高光谱成像进行了垃圾分类､药品产地识别､迷彩伪装识别､疾病诊断和手术指导等研究，将光谱识别方法应用到农业､医学､军事､民生等领域。

1、数据采集

破片和背景的材质差异､分子结构不同，对不同波长的光的吸收特性不同。

图1 高光谱成像系统

根据模拟破片散布场的特点，由于沙土与破片、石子、树叶，相对无规则且复杂，将其视为第一背景，通过空间分割将其去除。然后对沙土上的目标用谱域信息进行分类识别，因此需要建立包含石子和树叶的破片识别数据库。另取铁质破片、石头、树叶若干样本，采集它们的高光谱图像，感兴趣区域提取像素点作为样本库，为了使提取的样本点具有代表性，采集数据时要进行样本多角度采集，选取样本点也要广泛全面。

图2 模拟破片散布空间图

 图3 破片及其背景样本图列

2、数据处理

图4（a）､（b）和（c）分别为破片､石子和树叶的参考光谱

从234个波段中输出63个特征子集，在63个波段下铁质破片､石子和树叶的参考光谱图分别为如图4（a，b，c）所示。

从图4可知，铁质破片､石子､树叶在这63个波段中均存在不同位置的波峰（波谷），且波形趋势与反射率明显不同，表明特征选择提取的63个特征波段可以代表原始样本用于分类。

图5 空谱联合识别流程图

针对破片高光谱图像特点，在前期研究的基础上，采用前后级联空谱融合方法。在空域分割信息基础上，对各分割区域进行谱域的类型识别，以获得准确的目标和背景信息。具体流程如图5所示。

图6 空域分割结果图

（a）：空间增强；（b）：边缘检测结合区域生长结果图；

（c）：空间分割二值图；（d）：Imagelabeler标定二值图

 图７ 空谱联合结果图

（ａ）：分类结果图；（ｂ）：最终识别结果图

在图７（ａ）中，黄色代表石子的像素点、银白色代表铁质破片、绿色代表树叶。

结论

采用高光谱相机对模拟破片散落在背景中行成像，采用空谱联合的方法对散布场中目标分类识别的可行性，对战场破片散布识别提供了实验方法和理论依据。

推荐：

无人机高光谱成像系统iSpecHyper-VM100

一款基于小型多旋翼无人机高光谱成像系统，该系统由高光谱成像相机、稳定云台、机载控制与数据采集模块、机载供电模块等部分组成。无人机机载高光谱成像系统通过独特的内置式或外部扫描和稳定控制，有效地解决了在微型无人机搭载推扫式高光谱照相机时，由于振动引起的图像质量较差的问题，并具备较高的光谱分辨率和良好的成像性能。

审核编辑 黄宇