李龍 孟令鵬 陸旭 譚勇

摘 要 基于散射光譜的材質(zhì)分類(lèi)識(shí)別是模式識(shí)別領(lǐng)域的典型問(wèn)題之一，同時(shí)在目標(biāo)材質(zhì)的證認(rèn)以及結(jié)構(gòu)研究等方面有重要的應(yīng)用潛力。本文測(cè)量了四種樣品在不同探測(cè)條件下散射光譜，結(jié)合光譜線型特征，采用線性相關(guān)度理論提取散射光譜在不同波段上的特征，按照徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)方法，進(jìn)行材質(zhì)種類(lèi)的分類(lèi)識(shí)別。結(jié)果表明該方法在空間目標(biāo)材質(zhì)分析和識(shí)別研究等方面有借鑒意義。

【關(guān)鍵詞】散射光譜 分類(lèi)識(shí)別 雙向反射分布函數(shù) 徑向基函數(shù)

1 理論分析

散射光特性通常用雙向反射分布函數(shù)（BRDF）表述，散射光譜包含被測(cè)物體的結(jié)構(gòu)、材質(zhì)、形貌面積等重要特征信息，在同一觀測(cè)條件下，被測(cè)目標(biāo)光譜特征是與雙向反射分布函數(shù)中的入射角，入射方位角，散射角，散射方位角，入射波長(zhǎng)以及光譜數(shù)值強(qiáng)度等相關(guān)的函數(shù)。BRDF能夠有效反映目標(biāo)的材質(zhì)，結(jié)構(gòu)，特征等信息，并且能識(shí)別空間碎片的類(lèi)別、對(duì)空間點(diǎn)目標(biāo)的特征提取與識(shí)別。人工神經(jīng)網(wǎng)絡(luò)可處理復(fù)雜的非線性的或無(wú)明確數(shù)學(xué)表達(dá)式的體系，在光譜分析與分類(lèi)識(shí)別領(lǐng)域應(yīng)用廣泛。徑向基函數(shù)能夠解決多變量差值問(wèn)題和高維中曲線擬合問(wèn)題，而且具有在高維數(shù)據(jù)空間中解決低維空間中的條件，因?yàn)镽BF神經(jīng)網(wǎng)絡(luò)的隱層空間的維數(shù)很高，隱層空間的維數(shù)與神經(jīng)網(wǎng)絡(luò)的性能有關(guān)：維數(shù)越高，函數(shù)的逼近精度越高，更能有效的逼近需要學(xué)習(xí)的函數(shù)。本文利用RBF網(wǎng)絡(luò)算法，針對(duì)散射光譜數(shù)據(jù)，提出了對(duì)不同樣品材質(zhì)進(jìn)行識(shí)別的新方法。首先，根據(jù)雙向反射分布函數(shù)、線性相關(guān)性理論，測(cè)量了不同探測(cè)條件下四種不同材質(zhì)的樣品表面散射光譜。為解決樣品光譜線形重疊及儀器噪聲造成的識(shí)別率低與計(jì)算時(shí)間長(zhǎng)等問(wèn)題，按照不同特征波段相關(guān)度的散射光譜數(shù)據(jù)作為網(wǎng)絡(luò)特征參數(shù)，訓(xùn)練、學(xué)習(xí)，最后實(shí)現(xiàn)樣品材質(zhì)的識(shí)別。

2 實(shí)驗(yàn)過(guò)程與結(jié)果

實(shí)驗(yàn)儀器主要包括太陽(yáng)光模擬器，光譜探測(cè)系統(tǒng)中的海洋QE65PRO光譜儀，五維角度控制系統(tǒng)，標(biāo)定系統(tǒng)望遠(yuǎn)聚光系統(tǒng)、光纖、數(shù)據(jù)記錄計(jì)算機(jī)，激光筆和聚四氟乙烯標(biāo)準(zhǔn)板等。整個(gè)實(shí)驗(yàn)過(guò)程在暗室中進(jìn)行，除太陽(yáng)模擬器外無(wú)其他光源。實(shí)驗(yàn)測(cè)得數(shù)據(jù)經(jīng)過(guò)預(yù)處理后，調(diào)用Matlab進(jìn)行網(wǎng)絡(luò)訓(xùn)練，其中訓(xùn)練網(wǎng)絡(luò)閾值為0.8，網(wǎng)絡(luò)參數(shù)為0.95時(shí)訓(xùn)練效果比較好，選取剩余的光譜數(shù)據(jù)進(jìn)行試驗(yàn)。如表1所示，選取相關(guān)度低的386-506nm波段，比總波段下的三種樣品識(shí)別率分別提高了1.39%、 6.57%、 8.70%，B板的識(shí)別率均為100%，無(wú)提升空間。從而得到在選取有效波段下能夠節(jié)省時(shí)間，并得到比較準(zhǔn)確的分類(lèi)識(shí)別結(jié)果。

3 結(jié)論

本文結(jié)合散射光譜技術(shù)和徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)研究了樣本散射光譜的分類(lèi)識(shí)別。測(cè)量了樣品在可見(jiàn)光波段的散射光譜，結(jié)合光譜線型特征，采用線性相關(guān)度理論和徑向基神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)了對(duì)不同散射光譜的特征提取，進(jìn)行分類(lèi)識(shí)別。結(jié)果表明，在350-750nm波段的識(shí)別準(zhǔn)確率可達(dá)91%，通過(guò)采用特征波段相關(guān)度方法，提取不同波段上具有明顯特征的光譜，如特征波段385-506nm時(shí)，識(shí)別準(zhǔn)確率大于98%，提高了7%。通過(guò)相關(guān)度法先取特征波段，提高了準(zhǔn)確率，且利用散射光譜技術(shù)對(duì)未知目標(biāo)狀態(tài)進(jìn)行分類(lèi)識(shí)別，具有可操作性和適用性，具有區(qū)別于其他方法的優(yōu)越性和實(shí)用性，可為目標(biāo)基于光學(xué)識(shí)別領(lǐng)域提供技術(shù)支持。

參考文獻(xiàn)

[1]F.E.Nicodemus.Directional reflectance and emissivity of an opaque surface[J].Appl.Opt.，1965，4（7）：767-773

[2]Yuan Y，Sun C M，Zhang X B，et al. Analysis of influence of attitude variationon visible characteristics of space target[J].Acta Optica Sinica，2010，30（9）：2748-2752.（in Chinese）.

[3]宋薇，蔡紅星，譚勇等人.基于散射光譜的空間碎片分類(lèi)研究[J].光譜學(xué)與光譜分析，2015，35（6）：1464-1468.

[4]孫成明，趙飛，袁艷.基于光譜的天基空間點(diǎn)目標(biāo)特征提取與識(shí)別[J].物理學(xué)報(bào)2015，64（3）：034202.

[5]Sergios Theodoridis，Konstantinos Koutroumbas.Pattemrn Recognition and Neural Networks[J].Lecture Notes in Computer Science，2001，20（9）：67-69.

作者單位

長(zhǎng)春理工大學(xué) 吉林省長(zhǎng)春市 130000