红外超光谱图像的虚拟探测器研究

论文摘要

高性能的探测设备需要提供更精细、包含更多数据量的目标信号特征值,为探测弱小目标以及伪装目标提供技术支撑。超光谱信息具有高分辨率特点,这样可以通过处理超光谱信息中目标信号的空间特征和光谱特征,以较高的可信度辨别和区分复杂背景下的弱小信号源。随着数值仿真的迅速发展,虚拟设计作为一门新兴的综合技术学科逐步地应用到航天科技应用领域,可以大大减少研制开销,并提高准确率,缩短开发周期。本文研究了红外波段812μm（即8331250cm -1）下的地物背景的仿真和场景中目标识别问题,主要研究内容如下:1.将红外波段下的地物背景作为研究对象进行仿真计算,获得超光谱遥感图像,这其中包括自然地形以及地物场景的生成,地表的温度模型求解以及大气对辐射能量传输过程影响。2.应用热流法求解辐射传递方程,获得喷焰辐射特性数据,并将计算得到的目标辐射特性数据结果添加到背景中,获得812μm波段地物目标的超光谱图片。3.通过计算目标与背景的各波段信号相对比值,初步确定用于目标识别的波段,应用神经网络方法对目标在红外波段进行探测识别,找到了适用于812μm目标识别的最佳波段组合以及神经网络方法LSSVM。4.针对用于红外目标识别的部分连续超光谱图片（80106）进行相关性分析,计算图片之间的相关信息熵。应用图像融合方法处理相关性强的超谱图片,并对融合前后的图片应用LSSVM进行识别训练。计算结果表明融合能够提高目标的识别的准确程度,并达到数据压缩的目的。本文利用数值计算的方法实现了远红外波段的超谱图像仿真过程,并在此基础上研究了喷焰目标处于自然背景时的识别问题。本文采用的方法比较真实地反映了实际的过程。从计算结果中可以看到仿真效果很好,说明本文采用的方法是可行的。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题的背景及意义
• 1.2 国内外的研究进展和现状
• 1.2.1 国外研究状况
• 1.2.2 国内研究状况
• 1.3 本文研究内容
• 第2章 红外波段超光谱遥感背景的生成计算
• 2.1 三维地形几何模型建立
• 2.2 地表覆盖类型
• 2.3 背景温度物理模型及其计算结果
• 2.3.1 裸露地表土壤及植被地表温度模型
• 2.3.2 水体的温度模型
• 2.3.3 温度场计算结果
• 2.4 辐射传输
• 2.4.1 辐射传输模型
• 2.4.2 辐射传输计算
• 2.5 星上黑体定标
• 2.6 遥感背景图像生成
• 2.7 本章小结
• 第3章 目标辐射特性计算
• 3.1 弹道导弹主动段飞行特性计算
• 3.2 热流法数学模型
• 3.2.1 二热流法数学模型
• 3.2.2 六热流法数学模型
• 12μm 波段红外辐射特性计算'>3.3 弹道导弹主动段8 ¹2μm 波段红外辐射特性计算
• 3.4 本章小节
• 第4章 基于神经网络的红外目标识别
• 4.1 目标识别波段初步选择
• 4.2 基于神经网络的红外目标识别
• 4.3 BP 神经网络
• 4.3.1 BP 神经网络原理
• 4.3.2 BP 神经网络的设计
• 4.3.3 BP 神经网络的仿真计算结果
• 4.4 支持向量机（SVM）
• 4.4.1 支持向量机原理
• 4.4.1.1 统计学习理论的基本概念
• 4.4.1.2 线性支持向量机
• 4.4.1.3 非线性支持向量机
• 4.4.2 基于传统 SVM 的分类计算结果
• SVM 原理的预测计算结果'>4.4.3 基于 LS_SVM 原理的预测计算结果
• SVM 原理'>4.4.3.1 LS_SVM 原理
• SVM 预测结果'>4.4.3.2 LS_SVM 预测结果
• 4.5 BP 与 SVM 神经网络方法的比较
• 4.6 本章小结
• 第5章 超光谱图像融合及目标识别
• 5.1 超谱图像
• 5.2 相关性分析基本概念
• 5.2.1 非线性相关系数及其性质
• 5.2.2 非线性相关信息熵及其性质
• 5.3 基于小波变换的超谱图像融合模型
• 5.4 超谱图像计算分析
• 5.4.1 超谱图像的相关性分析及融合计算
• SVM 神经网络对融合前后超谱的图像目标预测识别'>5.4.2 基于 LS_SVM 神经网络对融合前后超谱的图像目标预测识别
• 5.5 本章小结
• 结论
• 参考文献
• 攻读学位期间发表的学术论文
• 致谢