梅風華，李 超，張玉鑫

(1.海軍裝備研究院，上海 200436;2.中國科學院 長春光學精密機械與物理研究所，吉林 長春 130033;3.中國科學院大學，北京 100049)

光譜成像技術在海域目標探測中的應用

梅風華1*，李 超1，張玉鑫2,3

(1.海軍裝備研究院，上海 200436;2.中國科學院 長春光學精密機械與物理研究所，吉林 長春 130033;3.中國科學院大學，北京 100049)

近年來，隨著光譜成像技術的發(fā)展，機載成像光譜儀在海域軍事目標的偵察中得到了新的應用?；诖?，本文首先從高光譜成像儀的基本原理及特性出發(fā)，介紹了高光譜成像儀在海洋軍事目標探測方面的應用現(xiàn)狀。其次，分別從水面目標探測和水下目標探測兩方面綜合分析了光譜成像技術在海域目標探測中的應用。對于海面目標探測，多項關鍵技術獲得突破，但當前算法仍然難以解決實時性問題；對于水下目標探測，本文主要以水下潛艇探測為例探討了利用高光譜成像儀對水下目標進行探測的關鍵技術及相關可行性方案。分析可知，光譜成像技術用于海洋軍事探測從技術上具有可行性且前景廣闊，但仍需解決相關算法的效率及精度等關鍵問題，這對推動光譜成像技術在海域目標探測中的應用具有重要意義。

光譜成像；目標探測；水下目標；高光譜

1 引 言

在現(xiàn)代戰(zhàn)爭中，信息對抗已經(jīng)成為決定戰(zhàn)爭勝負的關鍵，而基于航空平臺獲取軍事信息具有時效性強，偵查范圍廣等特點，是重要的偵察手段之一。在諸多航空平臺的信息獲取技術中，高光譜成像技術可在獲取目標二維圖像信息的基礎上，同時獲取目標的一維光譜信息，能夠反映出被觀測對象的外形影像以及理化特征，從而達到對目標的探測與識別。利用高光譜成像技術對地、對海進行偵察將獲取更豐富的目標信息，極大地提高了航空偵察能力，相對于其他偵察方式具有一定的優(yōu)越性。

與傳統(tǒng)的遙感數(shù)據(jù)源相比，高光譜數(shù)據(jù)具有光譜范圍寬、譜段多、光譜分辨率高的特點，高光譜成像儀的工作波長覆蓋太陽反射光譜區(qū)，波段寬度達到納米量級，波段數(shù)急劇增多，從可見光到近紅外光譜區(qū)間的波段數(shù)可達幾十個乃至幾百個。如今波段寬度越來越窄，波段數(shù)目越來越多，在多項應用中都提供了更加豐富的數(shù)據(jù)和研究方法[1]。

2 高光譜成像儀在軍事上的應用

圖1 AIS系統(tǒng)工作原理示意圖Fig.1 Working principle diagram of AIS system

20世紀70年代末，美國加州理工學院的相關學者首先提出了光譜成像儀的研究計劃，開展了32×32碲鎘汞面陣探測器推掃式(Pushbroom)光譜成像儀(AIS)機載試驗樣機的研制工作，并獲得了NASA的支持，其中AIS系統(tǒng)的工作原理如圖1所示[1]。1982年，該光譜成像儀首次進行了機載飛行試驗，成功獲取了可見光以及短波紅外區(qū)域的32個譜段的圖像，但AIS獲得數(shù)據(jù)的幅寬只有32像元，信噪比低，導致數(shù)據(jù)應用受到限制。而第二代成像光譜儀AIS-2，則將32元探測器拓展到64像元，數(shù)據(jù)得以擴展，但其獲取的高光譜影像寬度仍然非常有限，難以滿足應用需求。

20世紀80年代，美國加州理工學院噴氣推進實驗室的學者們研制了擺掃式(Whiskbroom)光譜成像儀AVIRIS[2]，其光機結(jié)構(gòu)及機載平臺如圖2所示，其采用線陣探測器加光機掃描的工作方式，該儀器進一步擴大了空間覆蓋范圍。在0.4～2.5 μm的光譜范圍內(nèi)可獲取224個波段的光譜信息，空間分辨率為20 m，穿軌方向的像元數(shù)達到了600，是目前最常用的機載光譜儀之一。

圖2 AVIRIS系統(tǒng)光機結(jié)構(gòu)及ER-2機載平臺Fig.2 Optical-mechanical of AVIRIS and ER-2 airborne platform

鑒于光譜成像技術在偽裝識別等軍事領域的獨特優(yōu)勢，美國軍方從20世紀90年代初開始進行機載光譜成像技術驗證工作，主要有美國海軍在1995年支持研制的超光譜數(shù)字圖像收集試驗儀(HYDICE)和美國空軍在1995年支持研制的機載傅里葉變換超光譜成像儀(FTVHSI)等[2-3]。

美國海軍為了驗證光譜成像技術在軍事應用中的可行性，針對海軍的應用需求，對原有光譜成像儀器進行分析，經(jīng)充分的指標論證，研制了一種經(jīng)過完善定標的新型超光譜數(shù)字圖像收集試驗儀(HYDICE)。HYDICE系統(tǒng)及CV-580機載平臺如圖3所示，HYDICE的工作高度為2 000～7 500 m，視場為8.94°，系統(tǒng)采用棱鏡分光的方式，在400～2 500 nm的光譜范圍內(nèi)獲取了210個波段的光譜信息，平均光譜分辨率為10 nm[1]。精細的光譜分辨率可以反映出地物所屬光譜的細致特征，有利于在光譜層面對地物的化學成分進行遙感定量分析。

圖3 HYDICE系統(tǒng)及CV-580機載平臺Fig.3 HYDICE system and CV-580 airborne platform

此外，鑒于無人機在軍事偵察中生存能力強，無人員傷亡風險，機動性能好等特點，美軍加強了高光譜成像儀搭載無人機的研究工作。2000年，美國空軍制定了針對無人機平臺的高光譜技術發(fā)展計劃——大范圍偵察高光譜高空實時監(jiān)視試驗(WAR HORSE)。WAR HORSE計劃采用“捕食者”無人機平臺，搭載可見光、近紅外高光譜載荷及線陣高分辨率相機進行試驗，重點驗證高光譜載荷的相關算法和處理能力，其中高光譜成像儀(HSI)在可見和近紅外部分(450～900 nm)可覆蓋64個譜段，視場角為9.3°，在典型飛行高度3 km時像元分辨率為1 m。HSI系統(tǒng)及在“捕食者”無人機安裝位置如圖4所示。

圖4 HSI系統(tǒng)及在“捕食者”無人機安裝位置Fig.4 HSI system and the installation site in Predator drone

圖5 HSI地面處理系統(tǒng)及獲得的高光譜數(shù)據(jù)Fig.5 HSI ground processing system and the obtained hyperspectral data

為了進一步提升對偽裝材料的探測能力，2001年，美國空軍實驗室針對高空無人機制定了紅外波段光譜遙感成像孵化平臺計劃(SPIRITT)，并研制了高光譜成像儀原理樣機。初步采用“全球鷹”無人機平臺進行驗證，并可兼容“捕食者”無人機平臺，目前該計劃仍在實施過程中。此外，美國空軍實驗室正在進行無人機載可見光波段高光譜的驗證工作，重點解決“樹下坦克”(tanks-under-trees)探測問題。

2006年，美國海軍“守護者格里芬”無人機試飛成功，該無人機上搭載了高光譜相機。高光譜相機的波段為400～1 000 nm，采用了1 024×1 024大小的CMOS探測器，光譜分辨率達到2.35 nm。2007年，美國空軍向Headwall Photonics公司采購了一批微型高光譜成像儀(Micro-Hyperspectral Imaging Spectrometer，MHIS)，用于裝載“捕食者”無人機。MHIS譜段范圍覆蓋可見近紅外波段(400～1 000 nm)以及近紅外波段(900～1 700 nm)，光譜分辨率為3.5 nm。

3 基于高光譜技術的海面目標探測

高光譜數(shù)據(jù)具有多通道、譜段窄、準確度高、信息量大等特點，與單一波段的目標識別方式相比具有較大優(yōu)勢[4-6]，因此被廣泛應用于海面軍事目標探測的研究中，主要包括海島偽裝軍事目標的探測、海面艦船目標探測、導彈預警等[7-8]。

3.1 基于高光譜數(shù)據(jù)海面目標探測的物理基礎

高光譜數(shù)據(jù)具有圖譜合一的特點，因此在提取艦船目標時，可以同時利用圖像特征及光譜特征進行目標信息的提取。隨著技術的進步，高光譜設備的幾何分辨率及光譜分辨率不斷提升。例如美國戰(zhàn)術衛(wèi)星-3上搭載的高光譜成像儀，其幾何分辨率已經(jīng)達到5 m，機載的高光譜成像儀分辨率可達10 m。而海面的軍事艦艇目標，其長度基本都在百米以上、寬度在數(shù)十米。因此，利用高光譜成像儀探測目標時，基本上可以探測出目標的外形輪廓。

另外，由于艦船等目標一般為金屬結(jié)構(gòu)，而海洋背景為海水，根據(jù)近海岸海洋環(huán)境污染物和海洋水包信息的多樣性，一般認為沿海海洋的光譜信號主要位于0.9 μm以下[9]。背景與目標的輻射、散射特性存在明顯的差異，光譜圖像也有所不同，因此利用高光譜數(shù)據(jù)可以有效地區(qū)分水面上的目標和背景。另外對于一些隱形的水面艦艇，考慮到發(fā)動機及螺旋槳產(chǎn)生的溫度差異，利用高光譜獲取這些特征波段可以有效提取出艦船目標。對于海島上的偽裝軍事目標，由于當前偽裝技術很難做到譜線與真實環(huán)境譜線一致，因此從高光譜數(shù)據(jù)中選擇特征波段，在光譜圖像中可以看出真實材料與偽裝材料之間的明顯差異，即利用高光譜目標探測技術來實現(xiàn)對偽裝目標的探測。圖6為美軍利用超光譜探測的偽裝目標，左圖為傳統(tǒng)的彩色圖像，右圖為獲取偽裝目標的偽彩圖像，此偽彩圖像是通過選取特定波段的光譜圖像進一步合成的，可以明顯探測出偽裝坦克所在位置。

圖6 美軍超光譜探測坦克試驗Fig.6 Tank exploration test of ultra spectrum by US army

目前，新一代反艦導彈普遍具備超視距攻擊、超音速突防、超低空飛行、隱身設計、復合末制導、多變彈道等性能，并已成為現(xiàn)代海戰(zhàn)的主要攻擊性武器，對水面艦艇的生存造成了極大的威脅[8]。研究表明這些導彈的尾焰在0.4～1.7 μm的可見光/近紅外波段、3～5 μm中波紅外波段、8～12 μm長波紅外波段具有明顯的光譜特征。因此為了提高對導彈的偵察能力，及時發(fā)現(xiàn)目標，降低艦艇被攻擊的風險，可以將被檢測目標的光譜特性與超光譜數(shù)據(jù)庫中的標準光譜進行匹配，以獲取目標的類型、屬性等參數(shù)，并可采取針對性的措施對其進行跟蹤、激光測距，為戰(zhàn)爭中指揮決策提供更可靠的依據(jù)。

3.2 基于高光譜數(shù)據(jù)目標檢測算法的研究進展

利用高光譜數(shù)據(jù)進行目標檢測時，主要存在以下三個方面的優(yōu)勢：一是利用光譜特征進行目標檢測，對所獲取的圖像空間分辨率要求不高；二是高光譜數(shù)據(jù)具有豐富的光譜信息，可以有效辨別目標真?zhèn)?；三是基于光譜特性，可以有效地從復雜背景中凸顯出探測目標[10]。

從20世紀90年代開始，國內(nèi)外學者對高光譜圖像目標檢測算法展開了研究，比較有代表性的學者有美國馬里蘭大學的C.I.Chang、美國麻省理工學院D.Manolakis、中國科學院遙感與數(shù)字地球研究所的張兵研究員等[11-12]。他們的研究成果推動了異常目標檢測算法及快速目標檢測算法等的快速發(fā)展，經(jīng)現(xiàn)有算法處理后的圖像目標與背景的差別得到顯著增強。

3.2.1 異常目標檢測算法現(xiàn)狀

根據(jù)是否具有先驗知識，將基于高光譜數(shù)據(jù)的目標探測方法分為兩類：一是先驗信息的監(jiān)督目標檢測；二是無需任何先驗信息的非監(jiān)督目標檢測。前者是通常意義上的目標檢測，而后者則是異常目標檢測。異常目標檢測主要分為兩類：一是基于統(tǒng)計特性直接進行異常目標檢測；二是首先提取目標、背景光譜特征，然后利用監(jiān)督法進行目標檢測。

直接基于圖像統(tǒng)計特性的異常目標探測的代表性算法為RX算法，該算法由I.S.Reed 和X.Yu在1990年提出，被看做是異常檢測領域的基準算法而得到廣泛的學習[13-14]。但是該算法存在以下不足：(1)背景需要服從正態(tài)分布，與真實場景存在較大差異；(2)背景要求單一，在復雜背景環(huán)境下提取效果不明顯；(3)背景模型建立的復雜度隨著波段的增加而增加，效率較低。因此，很多研究者對此算法進行了改進。C.I.Chang等人提出了一系列的改進算子，如R-RX算子、低概率目標檢測算法和均衡目標探測算法等。2012年，E.Lo提出最大化子空間的RX異常檢測，2014年，提出一種基于數(shù)值優(yōu)化的變量因子分解模型的異常檢測算子，優(yōu)化了RX算子的檢測結(jié)果。

為了改善RX算子在復雜背景環(huán)境下檢測效果不佳的現(xiàn)象，S.Matteoli等人提出一種局部自適應背景密度估計的RX異常檢測，明顯提高了RX算子的檢測性能，另外他們還提出了一種基于背景非參數(shù)估計的檢測算法，也對檢測性能有所改善。

針對RX算法虛警率較高的缺點，Yver等人提出了基于最大后驗概率的異常檢測算法，利用馬爾科夫規(guī)則消除了虛假目標[15]。

針對RX算子中協(xié)方差矩陣求逆運算量大的缺點，Schweizer等人利用三維馬爾科夫隨機場直接估計協(xié)方差矩陣的逆矩陣，減弱了求逆過程中的計算復雜度。

隨著機器學習理論的廣泛應用，K.Heesung等人將核機器學習方法引入到高光譜圖像處理領域，利用核映射和核函數(shù)提高背景和目標的分離能力，取得了很好的目標檢測效果[16]。隨后，S.Khazai將其擴展為修正核RX異常檢測算子，進一步提高了RX算法的檢測能力。一些研究者將基于向量數(shù)據(jù)描述的SVDD算法引入到異常目標檢測算法中，有效地提高了目標檢測的精度及效率。但是基于SVDD的目標異常檢測算子在核函數(shù)選擇及參數(shù)確定上存在困難，因此很多研究者在此基礎上提出了一系列的SVDD目標異常檢測改進算子，從多角度對此算法進行改進，并取得了較好的效果[17-18]。

監(jiān)督目標檢測法一類為已知目標光譜。已知目標光譜的監(jiān)督目標檢測法中有代表性的算子是約束能量最小化算子(CEM)。該算子由C-I Chang等人提出，該算法是在僅知目標地物光譜情況下，通過簡化LCMV算法得出的，其利用目標光譜進行匹配濾波來實現(xiàn)亞像元的檢測。CEM作為已知目標光譜情況下異常目標檢測的代表，已成為亞像元目標檢測算法的基準。另外，還有一些其他學者對此類算法進行了深入研究，Manolakis等人提出了自適應匹配濾波算法(AMTF)。該算法利用目標光譜獲得一致最大化的目標似然，然后將其代入廣義似然比來構(gòu)造目標檢測算子。在此基礎上，他們通過提高匹配精度等來提高算法的目標檢測性能?？紤]到背景光譜的缺失將導致難以有效抑制背景對目標提取精度的影響，他們通過端元提取方法來獲取背景的光譜信息，最后將此算法轉(zhuǎn)化為已知目標和背景光譜信息的目標檢測算法，提高了目標檢測算法的性能。

另外一類監(jiān)督目標檢測算法為已知目標光譜和背景光譜的檢測方法。該類算法的基本思想是在抑制背景信息的基礎上通過匹配濾波算法來對目標進行檢測。這類代表性算法為1994年由 Harsanyi和Chang提出的正交子空間投影算法(OSP)，該算法通過向背景空間的正交補空間投影來實現(xiàn)背景的抑制，然后再對目標光譜進行匹配濾波以達到突出檢測目標的目的。在OSP算法的基礎上，出現(xiàn)了一系列改進算法：由Chang提出的噪聲子空間投影算法(NSP)，該算法可以進行亞像元的檢測；廣義正交子空間投影算子(GOSP)利用非監(jiān)督法對波段維數(shù)擴展后再利用OSP算子檢測；特征子空間投影算法(SSP)利用向量量化來獲取背景特征，然后再進行投影及光譜匹配；斜子空間投影算子(OBSP)將投影的正交子空間擴展為斜子空間，另外將該算子和廣義似然比檢測相結(jié)合，利用OBSP的特性解決廣義似然比檢測對背景信息精度過于依賴的問題，在背景信息模糊情況下利用最大似然比方法依然能獲得較好的檢測效果。除了OSP及其改進算法外，目標約束干擾最小化濾波算法(TCIMF)也屬于目標和背景已知的異常目標檢測算法。該算法假定目標、背景及噪聲可分離，尋找能同時約束目標和背景的約束向量，使得算子在檢測出目標的同時濾除背景信息。與第一類檢測方法類似，一些研究者將核空間算法引入到第二類算法中，利用機器學習的方法提高這類算法的性能，具有代表性的如KOSP和KTCIMF等算子，這些算子都是通過非線性映射的手段來提高算子的檢測性能的。

3.2.2 快速目標檢測算法研究現(xiàn)狀

目標檢測的實時性是考察高光譜儀器軍事性能的一個重要指標。然而隨著成像光譜技術的發(fā)展，高光譜圖像的數(shù)據(jù)量逐漸增大，制約了目標檢測的實時性[19]。目前大多數(shù)異常目標檢測算法是利用高光譜數(shù)據(jù)的全局或局部信息來統(tǒng)計背景與目標相關信息，算法重點在于提高算法的檢測性能，而忽視了算法的實效性要求。但是針對軍事目標檢測應用來說，提高檢測算法的實時性是一個亟待解決的問題。為了滿足軍用需求，需要提出新的算法或?qū)δ壳疤岢龅哪繕藱z測算法進行改進[20]。

2005年，D.Qian等人提出了一種實時約束線性判別分析(CLDA)方法，在滿足約束條件下最大化的類內(nèi)類間距離的比值，隨后將其擴展為非監(jiān)督的實時約束線性判別分析(UCLDA)，并于2009年提出了基于高光譜數(shù)據(jù)存儲形式的目標檢測快速算法，接近實時處理；2013年，N.Acito等人提出了一種實時架構(gòu)的RX局部異常檢測算法，通過計算兩個緩沖數(shù)據(jù)(緩沖區(qū)內(nèi)的均值與方差)，有效提高了RX算法的計算效率；2014年，A.Rossi等人提出了一種RX結(jié)構(gòu)的快速目標檢測算法，利用線性代數(shù)更新協(xié)方差矩陣，但并沒有從根本上解決復雜計算帶來的計算延遲；同年，J.M.Molero等人提出了基于GPU多核處理器的RX異常檢測，通過利用GPU多核處理器的并行計算能力來提高基于滑動窗口的局部RX算子的計算效率；E.Torti等人提出了一種實時高光譜子空間的識別算法，并將其用于不同類型的高性能計算架構(gòu)，包括通用多核圖形處理單元(GPU)和數(shù)字信號處理器(DSP)，實現(xiàn)快速目標檢測。

國內(nèi)，張兵等人從DSP實現(xiàn)的角度設計了高光譜目標檢測算法，完成了基于推掃型成像光譜儀的高光譜實時檢測系統(tǒng)，得到了較好的成像效果[21]；W.Guo等人提出了一種基于多核DSP并行處理的RX異常檢測，一定程度上提高了RX算子的效率和檢測性能。在艦船目標檢測方法方面，徐芳等人提出一種無監(jiān)督海面艦船目標自動檢測方法。該方法以視覺顯著性為依據(jù)，結(jié)合多顯著性檢測模型快速搜索海面目標，生成顯著圖后對其進行粗分割，對提取的目標切片做標記并進行精細分割，對可能檢測到的厚重云層和島嶼等偽目標使用梯度方向特征進行鑒別，確度艦船目標及去除偽目標[22]。

總之，目前的一些實時處理算法主要從提高算法計算效率和采用高性能的處理器出發(fā)，一定程度上達到目標檢測的實時性，提高了檢測效率，但是這些算法中仍然存在大量復雜的矩陣運算和求逆運算，這對處理硬件提出了較高的要求，使得機上實時處理存在一定困難。

4 基于高光譜技術的水下目標探測

水下目標以其極強的隱蔽性，對船舶的航行安全造成了重大威脅，其中，潛艇作為海軍實施戰(zhàn)略戰(zhàn)術的殺手锏，已經(jīng)成為各國的重要軍事裝備。聲納是目前用于探測水下目標的常見工具，但是隨著降噪技術的發(fā)展，水下目標產(chǎn)生的噪聲越來越低，低速巡航時潛艇的噪聲已經(jīng)接近于海洋背景的噪聲，因此利用聲納技術來探測水下軍事目標變得愈加困難。目前，世界各國正在積極研究利用非聲納技術對水下目標探測的手段。非聲納水下目標探測技術主要包含以下幾種方式：激光、紅外、磁異常探測、高光譜等。其中，利用高光譜技術進行水下目標探測是未來研究的一個重要方向[12]。

4.1 基于高光譜成像技術的水下目標探測現(xiàn)狀

基于高光譜成像技術的水下目標探測研究開始于上世紀90年代，研究主要集中在對接收到的潛艇反射光形成的高光譜圖像進行分析，其探測結(jié)果依賴于反射光在水中的透射深度[23]。

1996年，由科學與技術公司(Science and Technology International)研制的先進機載高光譜成像系統(tǒng)(AAHIS)被應用于航空平臺上，借助于AAHIS光譜分辨能力，該系統(tǒng)可以很容易地探測出隱藏在海面下的暗礁、魚雷、潛艇、鯨魚等水下目標。

圖7 美國海軍利用高光譜成像儀進行水雷及潛艇探測實驗Fig.7 Mine and submarine detection experiment using hyperspectral imager by US army

2003年，美國海軍利用機載的超光譜傳感器系統(tǒng)(LASH)進行了淺海潛艇的探測實驗，試圖克服淺海區(qū)域復雜背景雜波給聲納探測帶來的困難。該系統(tǒng)安裝在機載綜合光電吊艙中，通過選擇特殊的波段進行潛艇自動探測，實現(xiàn)復雜背景下弱目標檢測，可用于發(fā)現(xiàn)水下潛艇、水雷等，對于區(qū)分水下目標具有重要的軍事意義。

雖然通過試驗表明采用光譜成像技術可實現(xiàn)最小地元分辨率米級或更小、水深30 m內(nèi)的潛艇探測。但在實戰(zhàn)情況下，潛艇的下潛深度往往超過這一水深，因此，通過直接接收潛艇反射出來的光信號進行潛艇目標探測難以滿足深海區(qū)域的實戰(zhàn)要求。

由于高光譜設備探測深度有限，為了探測更深的水下潛艇目標，考慮采用間接探測方式。已知潛艇在水下航行的過程中會產(chǎn)生尾流并擴展到海面，通過檢測海面尾流來探測水下潛艇。

根據(jù)尾流的產(chǎn)生機理，可將其分為四類，分別是由內(nèi)波、湍流和kelvin尾跡與海洋環(huán)境互相作用形成的航跡尾流；由螺旋槳推進器或者泵噴推進器在運轉(zhuǎn)時使海水空化產(chǎn)生的氣泡尾流；由潛艇航行時與海水摩擦及潛艇冷卻排放的熱量形成的熱尾流，以及由潛艇在航行時干擾海水各層的生物場，從而形成的生物光尾流。

針對不同類型的尾流，可采用不同類型的探測手段進行檢測。目前，國內(nèi)外對尾流氣泡的研究主要基于SAR成像技術和激光雷達技術，本文在此基礎上就高光譜成像技術在熱尾流和生物光尾流探測上的應用進行初步的探討。

4.2 基于潛艇熱尾流目標探測現(xiàn)狀及基于高光譜溫度反演的目標探測方法探討

核潛艇航行過程中，海水冷卻核裝置排放出大量的溫熱尾流，而螺旋槳在運轉(zhuǎn)過程中也會產(chǎn)生大量熱流，熱水質(zhì)量較輕將上浮到海面，在海面形成連續(xù)或斷續(xù)的軌跡，這些軌跡的特征與海水的性質(zhì)相關。目前的研究工作主要集中在尾流中各干擾項的分布規(guī)律、尾流尺度的計算、尾流產(chǎn)生的機理等[24]。我國學者也相繼展開了相關的研究工作，包括：機載熱紅外尾流探測水下目標的可行性；垂直溫度分層海水中水下航行體熱尾流自由表面的溫度、密度和速度等參數(shù)的變化規(guī)律；溫度均勻海水和溫度分層海水中水下運動體冷熱尾流浮升擴散規(guī)律及水面冷熱特性的差異等等。其中對潛艇冷熱尾流的傳統(tǒng)傳質(zhì)特性的研究表明：高速旋轉(zhuǎn)螺旋槳促使熱尾流后向延遲距離增大、海表溫差減小，水下航行潛艇擾動溫度密度分層，海水浮升形成冷尾流溫差信號，與溫度密度均勻海水相比，海表溫變區(qū)域顯著增大、尾流溫差由6.13 mK增大到84 mK；通過海表上游冷尾流特征判斷是否存在水下航行潛艇[25]。眾多研究表明，紅外成像系統(tǒng)能夠捕獲到潛艇尾流與周圍海水溫度差，但必須在有限的范圍內(nèi)，選擇8～12 μm波段進行探測的效果較好。

美國在1976年發(fā)射了裝有紅外探測傳感器的衛(wèi)星，其利用熱尾流進行潛艇探測。但是該技術對紅外探測器的靈敏度要求較高，在實際使用時噪聲較大，因此通常需要對紅外圖像進行增強后才能進行目標檢測，然而這些圖像增強方法往往會帶來信息損失等一系列問題，使得基于紅外傳感器的潛艇探測方法難以有效地應用于實戰(zhàn)中[26]。

紅外高光譜傳感器通過獲取8～12 μm的高光譜圖像，經(jīng)譜段選擇和特征變換后，可以反演出海水的發(fā)射率，而基于熱尾流探測潛艇時，其主要依據(jù)是海水發(fā)射溫度的高低。反演海水溫度發(fā)射率時，假設某個波段上發(fā)射率取最大值εmax,采用εmax的灰體輻射亮度做包絡線，得到

式中，Latm↓為大氣下行輻射，B為描述黑體輻射的普朗克函數(shù)，εmax為事先已知地物在熱紅外波段的最大發(fā)射率，L(λ)為傳感器所接收到的輻射亮度，Tλ為所計算的各個波段的黑體溫度，λ為波長。通過上式，可以精確計算出海水在各個波段上的溫度及發(fā)射率。

為了進一步突出海面與尾流之間的溫度差異，可以利用先驗知識對這些提取出來的發(fā)射率圖像進行變換，使得海洋背景與尾流之間的差別加大，提高潛艇的探測效率及精度。

4.3 基于潛艇光尾流的潛艇探測機理及基于線性解混的探測方法探討

潛艇在航行過程中會引起周圍海域電磁場的變化，磁場的變化導致發(fā)光細菌發(fā)光強度發(fā)生改變，從而產(chǎn)生了生物光尾流。在正常條件下，這些細菌的發(fā)光強度恒定，而在外界電磁場的刺激下，其發(fā)光強度將增大。潛艇航行時，其周圍的電磁輻射波動將使軌跡上的細菌發(fā)光強度發(fā)生變化從而留下明顯的熒光帶[27]。由此可以通過傳感器檢測這些熒光信號來探測潛艇。

高光譜探測器檢測到的熒光信號包含發(fā)光細菌產(chǎn)生的450 nm到490 nm的可見光(包含潛艇信息)以及背景干擾光(海水表層的發(fā)光細菌在海水背景下和風浪刺激下，產(chǎn)生的450 nm到490 nm的光)，可以通過濾光器將變化規(guī)律與背景噪聲特性相同的背景干擾光濾除，從而進行潛艇目標檢測。

通過上述的基于光尾流的潛艇檢測方法可以歸納出，有效剔除背景光是目標探測成功的關鍵之一?？紤]到在不同的聲波、電磁波刺激下，海洋發(fā)光細菌發(fā)射光譜不同，借助光譜庫和線性解混法，解算出由于潛艇電磁波、聲波刺激產(chǎn)生的光譜豐度，從而突出檢測目標。

式中，εi為第i個像元的誤差項,ej為端元光譜。

經(jīng)線性解混后，可以很好地分離出背景光及目標光譜，進而通過豐度值的大小確定像元上是否存在由潛艇激發(fā)出來的光譜。從而在獲得潛艇激發(fā)光譜的豐度圖后，結(jié)合尾流的形狀信息，提取出潛艇的航行軌跡。

5 結(jié)束語

本文概述了高光譜成像儀在海軍軍事目標探測中的應用，總結(jié)了光譜成像技術在海域目標探測中的應用現(xiàn)狀，對基于高光譜數(shù)據(jù)進行海面軍事目標探測和水下目標探測的分析方法進行了探討。研究表明，用于海面軍事目標探測的高光譜成像儀在光譜分辨率、譜段范圍以及空間分辨率等方面的指標不斷提升，并且在搭載于無人機平臺的目標探測中表現(xiàn)優(yōu)異。在基于高光譜數(shù)據(jù)的海面目標及水下目標探測中，研究人員提出了多種數(shù)據(jù)處理算法，處理后的圖像目標與背景之間的差別顯著增強，但實時處理的問題仍難以保證。此外，本文介紹了運用高光譜技術進行潛艇尾流探測的機理，基于此提出了一種計算海面溫度發(fā)射率以及線性解混的水下目標探測的方法，為利用高光譜技術進行水下目標探測提供了一條可行路徑。綜上所述，光譜成像技術在海域目標探測中具有獨特的優(yōu)勢，光譜成像設備將在海軍的各武器裝備體系中發(fā)揮重要作用，成為支撐軍事力量變革和新質(zhì)戰(zhàn)斗力生成的重要技術途徑。

[1] 鄭玉權(quán),王慧,王一凡.星載高光譜成像儀光學系統(tǒng)的選擇與設計[J].光學 精密工程,2009,17(11):2630-2631.

ZHENG Y Q,WANG H,WANG Y F.Selection and design of optical systems for spaceborne hyperspectral imagers[J].Opt.PrecisionEng.,2009,17(11):2630-2631.(in Chinese)

[2] LABAW C.Airborne imaging spectrometer:an advanced concept instrument[J].SPIE,1983,430:68-73.

[3] GREEN R O,EASTWOOD M L,SARTURE C M,etal..Imaging spectroscopy and the airborne visible/infrared imaging spectrometer(AVIRIS)[J].RemoteSensingofEnvironment,1998,65(3):227-248.

[4] 李越強,李庶中,賈宇.光譜成像技術在海上目標探測識別中的應用探討[J].光學與光電技術,2015,13(1):79-86.

LI Y Q,LI S Z,JIA Y.Application of spectral imaging technology in detection and recognition of marine targets[J].Opticsamp;OptoelectronicTechnology,2015,13(1):79-86.(in Chinese)

[5] 張達,鄭玉權(quán).高光譜遙感的發(fā)展與應用[J].光學與光電技術,2013,11(3):67-73.

ZHANG D,ZHENG Y Q.Hyperspectral remote sensing and its development and application review[J].Opticsamp;OptoelectronicTechnology,2013,11(3):67-73.(in Chinese)

[6] 高國龍.高光譜成像儀尋求軍事用途[J].紅外,2004,4:48.

GAO G L.Hyperspectral imager for military use[J].Infrared,2004,4:48.(in Chinese)

[7] BORK E W,SU J G.Integrating LIDAR data and multispectral imagery for enhanced classification of rangeland vegetation:a meta analysis[J].RemoteSensingofEnvironment,2007,111(1):11-24.

[8] 麻永平,張煒,劉東旭.高光譜偵察技術特點及其對地面軍事目標威脅分析[J].上海航天,2012,29(1):37-40.

MA Y P,ZHANG W,LIU X D.Characteristics of hyperspectral reconnaissance and threat to ground military targets[J].AerospaceShanghai,2012,29(1):37-40.(in Chinese)

[9] 曹佃生,石振華,林冠宇.機載海洋改進型Dyson高光譜成像儀的研制[J].光學 精密工程,2017,25(6):1404-1405.

CAO D SH,SHI ZH H,LIN G Y.Development of airborne ocean modified Dyson hyperspectral imager[J].Opt.PrecisionEng.,2017,25(6):1404-1405.(in Chinese)

[10] HUANG Z W,SHI Z W,QIN Z.Convex relaxation based sparse algorithm for hyperspectral target detection[J].Optik,2013,124(24):6594-6598.

[11] 杜山山,李姝穎,曾朝陽.背景不確定性對高光譜異常目標探測的影響[J].解放軍理工大學學報(自然科學版),2016,17(6):598-604.

DU SH SH,LI SH Y,ZENG CH Y.Influence of background uncertain target detection[J].J.PLAUniversityofScienceandTechnologyNaturalScienceEdition,2016,17(6):598-604.(in Chinese)

[12] 趙志勇,呂緒良,劉凱龍,等.基于高光譜的目標探測方法分析[J].光電技術應用,2010,25(3):3-5.

ZHAO ZH Y,LV X L,LIU K L,etal..Analysis of target detecting methods based on hyper-spectrum[J].Electro-opticTechnologyApplication,2010,25(3):3-5.(in Chinese)

[13] KWON H,NASRABADI N M.Kernel RX-algorithm: A nonlinear anomaly detector for hyperspectral imagery[J].IEEETransactionsonGeoscienceandRemoteSensing,2005,43(2):388-397.

[14] MOLERO J M,GARZON E M,GARCIA I,etal..Analysis and optimizations of global and local versions of the RX algorithm for anomaly detection in hyperspectral data[J].IEEEJournalofSelectedTopicsinAppliedEarthObservationsandRemoteSensing,2013,6(2):801-814.

[15] ROSSI A,ACITO N,DIANI M,etal..RX architectures for real-time anomaly detection in hyperspectral images[J].J.Real-TimeImageProcessing,2014,9(3):503-517.

[16] GUO W J,ZENG X R,ZHAO B W,etal..Multi-DSP parallel processing technique of hyperspectral RX anomaly detection[J].SpectroscopyandSpectralAnalysis,2014,34(5):1383-1387.

[17] KHAZAI S,MOJARADI B.A modified kernel-RX algorithm for anomaly detection in hyperspectral images[J].ArabianJournalofGeosciences,2015,8(3):1487-1495.

[18] 杜小平,劉明,夏魯瑞,等.基于光譜角累加的高光譜圖像異常檢測算法[J].中國光學,2013,6(3):327-328.

DU X P,LIU M,XIA L R,etal..Anomaly detection algorithm for hyperspectral imagery based on summation of spectral angles[J].ChineseOptics,2013,6(3):327-328.(in Chinese)

[19] KHAZAI S,HOMAYOUNI S,SAFARI A,etal..Anomaly detection in hyperspectral images based on an adaptive support vector method[J].IEEEGeoscienceandRemoteSensingLetters,2011,8(4):646-650.

[20] ZHANG L F,ZHANG L P,TAO D C,etal..Hyperspectral remote sensing image subpixel target detection based on supervised metric learning[J].IEEETransactionsonGeoscienceandRemoteSensing,2014,52(8):4955-4965.

[21] ZHANG B,YANG W,GAO L R,etal..Real-time target detection in hyperspectral images based on spatial-spectral information extraction[J].EurasipJournalonAdvancesinSignalProcessing,2012,142.

[22] 徐芳,劉晶紅,曾冬冬,等.基于視覺顯著性的無監(jiān)督海面艦船檢測與識別[J].光學 精密工程,2017,25(5):1300-1310.

XU F,LIU J H,ZENG D D,etal..Detection and identification of unsupervised ships and warships on sea surface based on visual saliency[J].Opt.PrecisionEng.,2017,25(5):1300-1310.(in Chinese)

[23] CHEIN I C,SHAO-SHAN C.Anomaly detection and classification for hyperspectral imagery[J].IEEETransactionsonGeoscienceandRemoteSensing,2002,40(6):1314-1325.

[24] ZHAO R,DU B,ZHANG L P.A robust nonlinear hyperspectral anomaly detection approach[J].IEEEJournalofSelectedTopicsinAppliedEarthObservationsandRemoteSensing,2014,7(4):1227-1234.

[25] 張旭升,郭亮,胡日查,等.紅外探測中潛艇冷熱尾流的傳熱傳質(zhì)特性[J].光學 精密工程,2017,25(1):107-114.

ZHANG X SH,GUO L,HU R CH,etal..Heat and mass transfer characteristic of submarine cold-thermal wake in the infrared detection[J].Opt.PrecisionEng.,2017,25(1):107-114.(in Chinese)

[26] DU B,ZHANG L P.Random-selection-based anomaly detector for hyperspectral imagery[J].IEEETransactionsonGeoscienceandRemoteSensing,2011,49(5):1578-1589.

[27] HUANG Z W,SHI Z W,QIN Z.Convex relaxation based sparse algorithm for hyperspectral target detection[J].Optik,2013,124(24):6594-6598.

梅風華(1973—)，男，江蘇江陰人，碩士研究生、高級工程師，現(xiàn)為海軍裝備研究院高級工程師，主要從事航空電子系統(tǒng)方面的研究。E-mail:mei_fh@21cn.com

Applicationofspectralimagingtechnologyinmaritimetargetdetection

MEI Feng-hua1*,LI Chao1,ZHANG Yu-xin2,3

(1.NavalAcademyofArmament,Shanghai200436,China; 2.ChangchunInstituteofOptics,FineMechanicsandPhysics,ChineseAcademyofSciences,Changchun,Jilin130033,China; 3.UniversityofChineseAcademyofSciences,Beijing100049,China)

*Correspondingauthor，E-mail：mei_fh@21cn.com

In recent years,with the development of spectral imaging technology,airborne imaging spectrometer has been applied in the military target reconnaissance.Firstly,based on the basic principle and characteristics of hyperspectral imager,this paper introduces the application of hyperspectral imager in marine military target detection.Secondly,the application of spectral imaging technology in maritime target detection is analyzed from both the water surface target detection and the underwater target detection.For surface target detection,many key technologies have made breakthroughs,while the current algorithms are still difficult to solve the real-time problems; for underwater target detection,this paper takes the underwater detection as an example to discuss the key technology and feasibility of the underwater target detection based on hyperspectral imager.The analysis shows that the application of spectral imaging technology to military detection is technically feasible and promising.However,the key issues such as the efficiency and accuracy of the algorithm still need to be solved,which is of great significance for the application of spectral imaging in maritime target detection.

spectral imaging;target detection;underwater target;hyperspectral

2017-09-11；

2017-10-13

中國科學院長春光學精密機械與物理研究所重大創(chuàng)新資助項目(No.Y3CX1SS14C)

Supported by Major Innovative Funding Projects of Changchun Institute of Optics,Fine Mechanics and Physics,Chinese Academy of Sciences(No.Y3CX1SS14C)

2095-1531(2017)06-0708-11

E933.4

A

10.3788/CO.20171006.0708