四川雙利合譜科技有限公司于2015年7月13-14號在木蘭圍場草原的實驗基地對偽裝目標(biāo)進(jìn)行測試，利用高光譜成像儀獲取偽裝目標(biāo)的高光譜數(shù)據(jù)，并進(jìn)行目標(biāo)識別。

圖4 PCA算法處理后結(jié)果

圖5 PCA算法處理后識別結(jié)果

選取圖像中9個目標(biāo)物，分別為偽裝網(wǎng)1-6、樹木、樹林、房屋為對象，獲取其相應(yīng)的光譜曲線，如圖所示。

圖6 不同目標(biāo)的光譜曲線

 圖7 不同目標(biāo)的光譜曲線

圖8 偽裝&樹木&汽車目標(biāo)識別

圖9 目標(biāo)物的光譜曲線

樹木、汽車、偽裝網(wǎng)均有自身的特征峰位置，可以通過具體的算法來完成這些目標(biāo)物的分類和識別。

2、利用可見-近紅外相機(jī)進(jìn)行測試：

圖1 高光譜成像儀

利用可見-近紅外高光譜相機(jī)對偽裝網(wǎng)進(jìn)行圖像采集，光譜范圍：400nm-1000nm，光譜分辨率4nm。

圖2 可見-近紅外高光譜相機(jī)拍攝

圖3 算法處理后的識別結(jié)果

圖4 光譜曲線

    選取不同的目標(biāo)對象，獲取相應(yīng)的光譜，植被的光譜在680nm以后分反射率會提高，而非植被所表現(xiàn)出來的紅邊效應(yīng)與真實的植被的紅邊效應(yīng)有很大的差別。

    對可見-近紅外波段的數(shù)據(jù)進(jìn)行數(shù)據(jù)處理，分別利用歸一化植被指數(shù)和紅邊歸一化植被指數(shù)來簡單的對目標(biāo)物進(jìn)行區(qū)分識別。

1、歸一化植被指數(shù)（Normalized Difference Vegetation Index, NDVI）計算可以將多光譜數(shù)據(jù)變換成一個單獨(dú)的圖像波段，用于顯示植被的分布。能夠發(fā)現(xiàn)非植被目標(biāo)物與植被之間的區(qū)別，隱藏在植被中的偽裝網(wǎng)利用歸一化植被指數(shù)處理算法進(jìn)行處理后，其很明顯的能夠真實植被區(qū)分開。

圖5 單波段下圖像

標(biāo)準(zhǔn)算法： 
NDVI=(ρ_Nir-ρ_Red)/(ρ_Nir+ρ_Red )
規(guī)定波段的中心波長： ρ_Nir=800nm； ρ_Red=680nm

圖6 RGB圖

    對圖像中所有的目標(biāo)都進(jìn)行相應(yīng)的算法處理，指數(shù)系數(shù)從低到高依次排開，并進(jìn)行了詳細(xì)的劃分。

圖7 分類識別結(jié)果

    不同的目標(biāo)物（或植被）的歸一化植被指數(shù)是不同的，利用植被標(biāo)準(zhǔn)算法進(jìn)行處理后可以得到相應(yīng)的指數(shù)系數(shù)。
    NDVI值的范圍在-1和+1之間，一般的綠色植被的范圍是0.2~0.8。

圖8 植被分類識別結(jié)果

2、紅邊歸一化指數(shù)：

規(guī)定波段的中心波長： ρ_Nir=750nm； ρ_Red=705nm

圖9 分類識別結(jié)果

    〖NDVI〗_705值的范圍在-1和+1之間，一般的綠色植被的范圍是0.2~0.9。

圖10 植被分類識別結(jié)果

    利用植被的紅邊效應(yīng)可以區(qū)分開真實植被與偽裝目標(biāo)。偽裝目標(biāo)并未表現(xiàn)出非常明顯的紅邊效應(yīng)。