CN113589311B - 一种暗弱目标红外微分探测方法 - Google Patents
一种暗弱目标红外微分探测方法 Download PDFInfo
- Publication number
- CN113589311B CN113589311B CN202110799910.0A CN202110799910A CN113589311B CN 113589311 B CN113589311 B CN 113589311B CN 202110799910 A CN202110799910 A CN 202110799910A CN 113589311 B CN113589311 B CN 113589311B
- Authority
- CN
- China
- Prior art keywords
- detection
- infrared
- target
- differential detection
- infrared differential
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 100
- 238000000034 method Methods 0.000 claims abstract description 16
- 230000010287 polarization Effects 0.000 claims abstract description 10
- 238000012216 screening Methods 0.000 claims abstract description 8
- 238000001228 spectrum Methods 0.000 claims abstract description 5
- 238000010835 comparative analysis Methods 0.000 claims abstract description 4
- 230000004044 response Effects 0.000 claims description 11
- 230000005855 radiation Effects 0.000 claims description 7
- 230000003595 spectral effect Effects 0.000 claims description 6
- 230000009471 action Effects 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 4
- 230000007246 mechanism Effects 0.000 claims description 4
- 238000013179 statistical model Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 claims description 3
- 238000013178 mathematical model Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 abstract description 4
- 230000000694 effects Effects 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 4
- 230000008447 perception Effects 0.000 description 3
- 230000003321 amplification Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000003331 infrared imaging Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/50—Systems of measurement based on relative movement of target
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/006—Theoretical aspects
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Electromagnetism (AREA)
- Photometry And Measurement Of Optical Pulse Characteristics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种暗弱目标红外微分探测方法，包括建立不同的红外微分探测模型，如典型目标和背景的光谱特性模型、偏振特性模型和运动特性模型，通过在不同维度的微分探测区间内对目标特性模型的比较分析，在物理因素层面筛选探测维度；提出微分探测因子选择优化方法，对筛出的维度进行优化，选出最优的红外微分维度和区间作为微分探测因子，使得输出的微分探测因子流中目标分量与杂波、噪声分量差异最大。红外微分探测方法为解决对暗弱目标检测效果差和难以识别的难题提供基础。
Description
技术领域
本发明属于红外遥感和红外空间技术领域，特别是涉及一种暗弱目标红外微分探测方法。
背景技术
当前，天基红外探测主要为对地复杂背景下的暗弱目标探测，存在图像信噪比/信杂比低等局限，导致该类目标的感知仅停留在检测和跟踪层面，且极易因为噪声和杂波造成虚警、漏检和误跟踪，难以保证系统稳定性，无法满足天基红外探测的能力需求。红外微弱目标的有效探测是一个亟待突破的技术瓶颈，实现红外微弱目标的探测对天基红外探测系统发展具有重大价值和现实意义。在现有红外成像体制下，多维度信息融合在一定程度上能够提高探测和感知能力，但由于采用传统的基于能量积分方法，无法有效区分目标与背景的差异。具体表现为在对各维度信号进行采集、放大和量化过程中，会引入较多的噪声和量化误差，对信噪比产生影响甚至造成严重衰退，这种无法对红外目标信号与噪声、背景杂波的选择性放大导致了数字融合信息处理难以达到预期，严重制约了红外探测能力。该问题也被称红外目标的非选择性感知缺陷。上述缺陷的解决的思路就在于寻找红外目标与背景在不同维度信息的差异并加以区分实现选择性放大，从根本上实现目标的选择性感知。
发明内容
为了克服上述问题，本发明提供了一种暗弱目标红外微分探测方法。
本发明所采用的技术方案是：
一种暗弱目标红外微分探测方法，包括以下步骤：
步骤一：构建红外信号统计模型：
为分析筛选红外微分探测因子，针对典型目标，对遥感探测的作用因子开展研究，构建典型目标和背景的光谱特性模型L(λ，l，T)、偏振特性模型P(θ，l)和运动特性模型G(x，y，t)；
在构建目标和背景光谱模型的基础上，开展噪声-杂波联合统计特性分析，构建运动特性模型G(x，y，t)，统计目标在探测系统上的响应与空间位置和时间的规律；
利用辐射传输模式分别模拟计算目标和背景的红外微分探测量；对模拟探测量用传统探测方法和红外微分探测方法进行目标检测，计算二者的区分系数；最后对区分系数进行比较，对典型目标和场景确定其可用的红外微分探测维度信息；
通过红外微分探测机理模型和目标特性模型的比较分析，在物理因素层面筛选探测维度；
步骤二：红外微分探测模型构建和微分探测因子的选择：
根据步骤一输出的探测维度，选出最优的红外微分维度和区间作为微分探测因子，并对所获因子进行优化，使得输出的红外信号中暗弱目标分量与杂波、噪声分量差异最大；
红外微分探测模型其数学模型由下式概括：
其中，步骤一中遥感探测的作用因子包括波段、偏振态和时空特性。
其中，步骤一中G为灰度值，P为偏振度，L为光谱强度，λ为波长，l为探测距离，T为辐射源温度，(x,y)为图像坐标，t为成像时刻。
其中，步骤二中F为求差异的方法，y1,y2,…,ym是在不同维度x上的响应，x1，x2，…，xn为x维度上的n个不同红外微分区间，表示最优的红外微分因子集。
本发明的优点如下：
红外微分探测通过多模探测数据的变化率构建区分因子，通过简单分析可知，红外微分探测的最大优势在于对单模探测时目标和背景接近的场景提高了区分能力，因此以单模探测时目标区分度为0时作为比较基准，建立红外微分探测的数值化分析，确定可使红外暗弱目标与背景、噪声之间差异最大的维度和微分区间，为红外暗弱目标探测的实践应用指导。
附图说明
图1为本发明的实现流程框图；
图2为本发明的分析筛选可用红外微分因子流程图。
具体实施方式
下面对本发明作进一步的说明，但本发明并不局限于这些内容。
一种暗弱目标红外微分探测方法，包括以下步骤：
步骤一：构建红外信号统计模型：
为分析筛选红外微分探测因子，针对典型目标，对遥感探测的作用因子包括波段、偏振态和时空特性等开展研究，构建典型目标和背景的光谱特性模型L(λ，l，T)、偏振特性模型P(θ,l)和运动特性模型G(x,y,t)，其中G为灰度值，P为偏振度，L为光谱强度，λ为波长，l为探测距离，T为辐射源温度，(x,y)为图像坐标，t为成像时刻；
在构建目标和背景光谱模型的基础上，开展噪声-杂波联合统计特性分析，构建运动特性模型G(x,y,t)，统计目标在探测系统上的响应与空间位置和时间的规律；
利用辐射传输模式分别模拟计算目标和背景的红外微分探测量；对模拟探测量用传统探测方法和红外微分探测方法进行目标检测，计算二者的区分系数；最后对区分系数进行比较，对典型目标和场景确定其可用的红外微分探测维度信息；
通过红外微分探测机理模型和目标特性模型的比较分析，在物理因素层面筛选探测维度；
步骤二：红外微分探测模型构建和微分探测因子的选择：
根据步骤一输出的探测维度，选出最优的红外微分维度和区间作为微分探测因子，并对所获因子进行优化，使得输出的红外信号中暗弱目标分量与杂波、噪声分量差异最大；
红外微分探测模型其数学模型由下式概括：
F为求差异的方法，y1,y2,…,ym是在不同维度x上的响应，x1,x2,…,xn为x维度上的n个不同红外微分区间，表示最优的红外微分因子集。
基于选择性的红外微分探测机理模型的构建过程，是对公式(1)具体推导和优化，确定微分因子集的过程。具体推导与优化过程如下：
目标在某一维度维度的响应积分满足：
式中，y(x)是遥感仪器对此维度信息的响应关系，根据步骤一中的信号统计模型获得，对于小目标探测来说，目标响应积分RAIM和背景积分RBG分别有：
其中yAIM(x)和yBG(x)分别是遥感仪器对谱段维度中目标和背景信息的响应。为了区分目标，显然RAIM和RBG要有所区别。假设采用差分模式，令
当RAIM和RBG差别较大，即响应维度内目标和背景差别较大时，无论是ΔR还是ΔK方式，都可以明显区分目标和背景，难点在于当RAIM和RBG差别较小时，通过ΔR还是ΔK都无法进行区分。
本发明引入红外微分探测概念，红外微分公式表示为：
公式从理论层面指出红外微分探测放大了目标和背景的差别。对于红外微分探测公式来说，其区分系数ΔK'和传统探测区分系数ΔK进行比较，显然当目标RAIM和背景RBG差别较小时，ΔK≈1，因此当双模红外微分探测时，需要ΔK'<<1或者ΔK'>>1，此时与传统探测区分系数相比，新的区分系数区分作用明显。
在因子集求解方面，初步拟用一种可行的方法“基于序优化理论”。主要步骤如下：
1)依照均匀分布从解集中抽取N个可行解；
2)利用欧式距离对可行解进行评价，构造可行解序曲线(OPC)；
3)根据OPC曲线类型确定探测集S；
4)利用优化模型从S中选取最优解，并得到相应的适应度误差值；
实施例
仿真环境：Matlab2020b；
测试输入：不同类型红外目标的基本参数，不同类型背景的辐射参数，模拟探测系统的轨道高度、读出噪声、量化位数和波段范围等参数以及不同背景参数。
指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。
Claims (1)
1.一种暗弱目标红外微分探测方法，其特征在于：包括以下步骤：
步骤一：构建红外信号统计模型：
为分析筛选红外微分探测因子，针对典型目标，对遥感探测的作用因子包括波段、偏振态和时空特性开展研究，构建典型目标和背景的光谱特性模型L(λ,l,T)、偏振特性模型P(θ,l)和运动特性模型G(x,y,t)，其中G为灰度值，P为偏振度，L为光谱强度，λ为波长，l为探测距离，T为辐射源温度，(x,y)为图像坐标，t为成像时刻；
在构建目标和背景光谱模型的基础上，开展噪声-杂波联合统计特性分析，构建运动特性模型G(x,y,t)，统计目标在探测系统上的响应与空间位置和时间的规律；
利用辐射传输模式分别模拟计算目标和背景的红外微分探测量；对模拟探测量用传统探测方法和红外微分探测方法进行目标检测，计算二者的区分系数；最后对区分系数进行比较，对典型目标和场景确定其可用的红外微分探测维度信息；
通过红外微分探测机理模型和目标特性模型的比较分析，在物理因素层面筛选探测维度；
步骤二：红外微分探测模型构建和微分探测因子的选择：
根据步骤一输出的探测维度，选出最优的红外微分维度和区间作为微分探测因子，并对所获因子进行优化，使得输出的红外信号中暗弱目标分量与杂波、噪声分量差异最大；
红外微分探测模型其数学模型由下式概括：
其中，F为求差异的方法，y1,y2,…,ym是在不同维度x上的响应，x1,x2,…,xn为x维度上的n个不同红外微分区间，表示最优的红外微分因子集。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110799910.0A CN113589311B (zh) | 2021-07-15 | 2021-07-15 | 一种暗弱目标红外微分探测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110799910.0A CN113589311B (zh) | 2021-07-15 | 2021-07-15 | 一种暗弱目标红外微分探测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113589311A CN113589311A (zh) | 2021-11-02 |
| CN113589311B true CN113589311B (zh) | 2023-11-28 |
Family
ID=78247616
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110799910.0A Active CN113589311B (zh) | 2021-07-15 | 2021-07-15 | 一种暗弱目标红外微分探测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113589311B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101930072A (zh) * | 2010-07-28 | 2010-12-29 | 重庆大学 | 基于多特征融合的红外弱小运动目标航迹起始方法 |
| CN104166975A (zh) * | 2013-05-17 | 2014-11-26 | 中国航天科工集团第二研究院二〇七所 | 一种复杂环境下低空红外目标检测算法 |
| CN105139432A (zh) * | 2015-08-05 | 2015-12-09 | 西安电子科技大学 | 基于高斯模型的红外弱小目标图像仿真方法 |
| CN105318969A (zh) * | 2015-10-13 | 2016-02-10 | 西安应用光学研究所 | 基于双平面直角反射镜的红外干涉成像光谱仪 |
| CN105931235A (zh) * | 2016-04-18 | 2016-09-07 | 电子科技大学 | 一种基于复数Scharr滤波器的海空红外图像弱小目标检测方法 |
| CN108169807A (zh) * | 2017-12-27 | 2018-06-15 | 长光卫星技术有限公司 | 一种集成式短波红外光学成像系统 |
| CN110619373A (zh) * | 2019-10-31 | 2019-12-27 | 北京理工大学 | 一种基于bp神经网络的红外多光谱微弱目标检测方法 |
| CN110706171A (zh) * | 2019-09-26 | 2020-01-17 | 中国电子科技集团公司第十一研究所 | 图像降噪方法及装置 |
| CN111401195A (zh) * | 2020-03-10 | 2020-07-10 | 上海航天控制技术研究所 | 一种基于多波段红外图像的海面目标检测方法 |
| CN112799143A (zh) * | 2020-12-01 | 2021-05-14 | 中国电子科技集团公司第十一研究所 | 一种目标识别方法、光电系统及可读存储介质 |
| CN114373130A (zh) * | 2022-01-07 | 2022-04-19 | 中国空间技术研究院 | 一种天基红外暗弱小运动目标检测方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10082382B2 (en) * | 2016-03-03 | 2018-09-25 | The United States Of America, As Represented By The Secretary Of The Navy | Phasing an optical interferometer using the radio emission from the target being observed |
-
2021
- 2021-07-15 CN CN202110799910.0A patent/CN113589311B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101930072A (zh) * | 2010-07-28 | 2010-12-29 | 重庆大学 | 基于多特征融合的红外弱小运动目标航迹起始方法 |
| CN104166975A (zh) * | 2013-05-17 | 2014-11-26 | 中国航天科工集团第二研究院二〇七所 | 一种复杂环境下低空红外目标检测算法 |
| CN105139432A (zh) * | 2015-08-05 | 2015-12-09 | 西安电子科技大学 | 基于高斯模型的红外弱小目标图像仿真方法 |
| CN105318969A (zh) * | 2015-10-13 | 2016-02-10 | 西安应用光学研究所 | 基于双平面直角反射镜的红外干涉成像光谱仪 |
| CN105931235A (zh) * | 2016-04-18 | 2016-09-07 | 电子科技大学 | 一种基于复数Scharr滤波器的海空红外图像弱小目标检测方法 |
| CN108169807A (zh) * | 2017-12-27 | 2018-06-15 | 长光卫星技术有限公司 | 一种集成式短波红外光学成像系统 |
| CN110706171A (zh) * | 2019-09-26 | 2020-01-17 | 中国电子科技集团公司第十一研究所 | 图像降噪方法及装置 |
| CN110619373A (zh) * | 2019-10-31 | 2019-12-27 | 北京理工大学 | 一种基于bp神经网络的红外多光谱微弱目标检测方法 |
| CN111401195A (zh) * | 2020-03-10 | 2020-07-10 | 上海航天控制技术研究所 | 一种基于多波段红外图像的海面目标检测方法 |
| CN112799143A (zh) * | 2020-12-01 | 2021-05-14 | 中国电子科技集团公司第十一研究所 | 一种目标识别方法、光电系统及可读存储介质 |
| CN114373130A (zh) * | 2022-01-07 | 2022-04-19 | 中国空间技术研究院 | 一种天基红外暗弱小运动目标检测方法 |
Non-Patent Citations (2)
| Title |
|---|
| Modeling and analysis of infrared radiation dynamic characteristics for space micromotion target recognition;hao zhang;《Infrared Physics & Technology》(第116期);全文 * |
| 背景自适应的多特征融合的弱小目标检测;陆福星;《红外与激光工程》;第48卷(第3期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113589311A (zh) | 2021-11-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Rajendran et al. | Unsupervised wireless spectrum anomaly detection with interpretable features | |
| CN108768562B (zh) | 一种基于遥控与图传信号的非法无人机识别方法 | |
| CN107607486B (zh) | 一种土壤全氮检测方法及装置 | |
| CN110940971B (zh) | 一种雷达目标点迹录取方法、装置及存储介质 | |
| CN113866102B (zh) | 一种基于光谱的土壤健康调查监测方法 | |
| CN115265723B (zh) | 基于数据处理的涡街流量计异常监测方法及系统 | |
| CN116718218B (zh) | 一种光电集成式传感芯片测试数据处理方法 | |
| CN114639012A (zh) | 一种基于无人机高光谱遥感的草地退化评价方法 | |
| CN113589311B (zh) | 一种暗弱目标红外微分探测方法 | |
| CN116985183A (zh) | 一种近红外光谱分析仪质量监测管理方法及系统 | |
| CN116977807A (zh) | 基于多传感器融合的冷库智能监控系统及方法 | |
| CN117405262B (zh) | 一种温度测试仪的多点温度采集方法 | |
| CN117147532B (zh) | 基于物联网的微型化学发光法氮氧化物气体传感器 | |
| CN117541626A (zh) | 基于深度学习的遥感影像变化检测方法 | |
| CN111220571B (zh) | 一种基于幅值离散度的二次谐波信号拟合方法及系统 | |
| Puno et al. | Vision system for soil nutrient detection using fuzzy logic | |
| CN115266583B (zh) | 环境光滤除方法、系统、计算机设备及计算机可读存储介质 | |
| Zhou et al. | Hyperspectral imaging technology for detection of moisture content of tomato leaves | |
| CN115855860A (zh) | 一种茶叶干燥过程中的水分含量预测方法及处理终端 | |
| CN115266720A (zh) | 多尺度光谱成像的玉米生长期养分信息检测方法 | |
| CN111735528B (zh) | 一种基于knn投票精准定位扰动点的方法 | |
| CN117288692B (zh) | 一种酿酒粮食中单宁含量的检测方法 | |
| CN113639769B (zh) | 一种基于散斑相关性提高传感器灵敏度的方法 | |
| CN116992389B (zh) | 一种物联网虚假数据检测方法及系统 | |
| CN116087131B (zh) | 一种紫外差分气体分析仪的数据处理方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |