光譜成像技術(shù)在海域目標(biāo)探測(cè)中的應(yīng)用

梅風(fēng)華，李 超，張玉鑫

(1.海軍裝備研究院，上海 200436;2.中國(guó)科學(xué)院 長(zhǎng)春光學(xué)精密機(jī)械與物理研究所，吉林 長(zhǎng)春 130033;3.中國(guó)科學(xué)院大學(xué)，北京 100049)

光譜成像技術(shù)在海域目標(biāo)探測(cè)中的應(yīng)用

梅風(fēng)華1*，李 超1，張玉鑫2,3

(1.海軍裝備研究院，上海 200436;2.中國(guó)科學(xué)院 長(zhǎng)春光學(xué)精密機(jī)械與物理研究所，吉林 長(zhǎng)春 130033;3.中國(guó)科學(xué)院大學(xué)，北京 100049)

近年來，隨著光譜成像技術(shù)的發(fā)展，機(jī)載成像光譜儀在海域軍事目標(biāo)的偵察中得到了新的應(yīng)用?；诖耍疚氖紫葟母吖庾V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(biāo)探測(cè)方面的應(yīng)用現(xiàn)狀。其次，分別從水面目標(biāo)探測(cè)和水下目標(biāo)探測(cè)兩方面綜合分析了光譜成像技術(shù)在海域目標(biāo)探測(cè)中的應(yīng)用。對(duì)于海面目標(biāo)探測(cè)，多項(xiàng)關(guān)鍵技術(shù)獲得突破，但當(dāng)前算法仍然難以解決實(shí)時(shí)性問題；對(duì)于水下目標(biāo)探測(cè)，本文主要以水下潛艇探測(cè)為例探討了利用高光譜成像儀對(duì)水下目標(biāo)進(jìn)行探測(cè)的關(guān)鍵技術(shù)及相關(guān)可行性方案。分析可知，光譜成像技術(shù)用于海洋軍事探測(cè)從技術(shù)上具有可行性且前景廣闊，但仍需解決相關(guān)算法的效率及精度等關(guān)鍵問題，這對(duì)推動(dòng)光譜成像技術(shù)在海域目標(biāo)探測(cè)中的應(yīng)用具有重要意義。

光譜成像；目標(biāo)探測(cè)；水下目標(biāo)；高光譜

1 引 言

在現(xiàn)代戰(zhàn)爭(zhēng)中，信息對(duì)抗已經(jīng)成為決定戰(zhàn)爭(zhēng)勝負(fù)的關(guān)鍵，而基于航空平臺(tái)獲取軍事信息具有時(shí)效性強(qiáng)，偵查范圍廣等特點(diǎn)，是重要的偵察手段之一。在諸多航空平臺(tái)的信息獲取技術(shù)中，高光譜成像技術(shù)可在獲取目標(biāo)二維圖像信息的基礎(chǔ)上，同時(shí)獲取目標(biāo)的一維光譜信息，能夠反映出被觀測(cè)對(duì)象的外形影像以及理化特征，從而達(dá)到對(duì)目標(biāo)的探測(cè)與識(shí)別。利用高光譜成像技術(shù)對(duì)地、對(duì)海進(jìn)行偵察將獲取更豐富的目標(biāo)信息，極大地提高了航空偵察能力，相對(duì)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(diǎn)，高光譜成像儀的工作波長(zhǎng)覆蓋太陽反射光譜區(qū)，波段寬度達(dá)到納米量級(jí)，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(dá)幾十個(gè)乃至幾百個(gè)。如今波段寬度越來越窄，波段數(shù)目越來越多，在多項(xiàng)應(yīng)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(yīng)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(jì)70年代末，美國(guó)加州理工學(xué)院的相關(guān)學(xué)者首先提出了光譜成像儀的研究計(jì)劃，開展了32×32碲鎘汞面陣探測(cè)器推掃式(Pushbroom)光譜成像儀(AIS)機(jī)載試驗(yàn)樣機(jī)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(jìn)行了機(jī)載飛行試驗(yàn)，成功獲取了可見光以及短波紅外區(qū)域的32個(gè)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(dǎo)致數(shù)據(jù)應(yīng)用受到限制。而第二代成像光譜儀AIS-2，則將32元探測(cè)器拓展到64像元，數(shù)據(jù)得以擴(kuò)展，但其獲取的高光譜影像寬度仍然非常有限，難以滿足應(yīng)用需求。

20世紀(jì)80年代，美國(guó)加州理工學(xué)院噴氣推進(jìn)實(shí)驗(yàn)室的學(xué)者們研制了擺掃式(Whiskbroom)光譜成像儀AVIRIS[2]，其光機(jī)結(jié)構(gòu)及機(jī)載平臺(tái)如圖2所示，其采用線陣探測(cè)器加光機(jī)掃描的工作方式，該儀器進(jìn)一步擴(kuò)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(gè)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(dá)到了600，是目前最常用的機(jī)載光譜儀之一。

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

鑒于光譜成像技術(shù)在偽裝識(shí)別等軍事領(lǐng)域的獨(dú)特優(yōu)勢(shì)，美國(guó)軍方從20世紀(jì)90年代初開始進(jìn)行機(jī)載光譜成像技術(shù)驗(yàn)證工作，主要有美國(guó)海軍在1995年支持研制的超光譜數(shù)字圖像收集試驗(yàn)儀(HYDICE)和美國(guó)空軍在1995年支持研制的機(jī)載傅里葉變換超光譜成像儀(FTVHSI)等[2-3]。

美國(guó)海軍為了驗(yàn)證光譜成像技術(shù)在軍事應(yīng)用中的可行性，針對(duì)海軍的應(yīng)用需求，對(duì)原有光譜成像儀器進(jìn)行分析，經(jīng)充分的指標(biāo)論證，研制了一種經(jīng)過完善定標(biāo)的新型超光譜數(shù)字圖像收集試驗(yàn)儀(HYDICE)。HYDICE系統(tǒng)及CV-580機(jī)載平臺(tái)如圖3所示，HYDICE的工作高度為2 000～7 500 m，視場(chǎng)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(gè)波段的光譜信息，平均光譜分辨率為10 nm[1]。精細(xì)的光譜分辨率可以反映出地物所屬光譜的細(xì)致特征，有利于在光譜層面對(duì)地物的化學(xué)成分進(jìn)行遙感定量分析。

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

此外，鑒于無人機(jī)在軍事偵察中生存能力強(qiáng)，無人員傷亡風(fēng)險(xiǎn)，機(jī)動(dòng)性能好等特點(diǎn)，美軍加強(qiáng)了高光譜成像儀搭載無人機(jī)的研究工作。2000年，美國(guó)空軍制定了針對(duì)無人機(jī)平臺(tái)的高光譜技術(shù)發(fā)展計(jì)劃——大范圍偵察高光譜高空實(shí)時(shí)監(jiān)視試驗(yàn)(WAR HORSE)。WAR HORSE計(jì)劃采用“捕食者”無人機(jī)平臺(tái)，搭載可見光、近紅外高光譜載荷及線陣高分辨率相機(jī)進(jìn)行試驗(yàn)，重點(diǎn)驗(yàn)證高光譜載荷的相關(guān)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(gè)譜段，視場(chǎng)角為9.3°，在典型飛行高度3 km時(shí)像元分辨率為1 m。HSI系統(tǒng)及在“捕食者”無人機(jī)安裝位置如圖4所示。

圖4 HSI系統(tǒng)及在“捕食者”無人機(jī)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(jìn)一步提升對(duì)偽裝材料的探測(cè)能力，2001年，美國(guó)空軍實(shí)驗(yàn)室針對(duì)高空無人機(jī)制定了紅外波段光譜遙感成像孵化平臺(tái)計(jì)劃(SPIRITT)，并研制了高光譜成像儀原理樣機(jī)。初步采用“全球鷹”無人機(jī)平臺(tái)進(jìn)行驗(yàn)證，并可兼容“捕食者”無人機(jī)平臺(tái)，目前該計(jì)劃仍在實(shí)施過程中。此外，美國(guó)空軍實(shí)驗(yàn)室正在進(jìn)行無人機(jī)載可見光波段高光譜的驗(yàn)證工作，重點(diǎn)解決“樹下坦克”(tanks-under-trees)探測(cè)問題。

2006年，美國(guó)海軍“守護(hù)者格里芬”無人機(jī)試飛成功，該無人機(jī)上搭載了高光譜相機(jī)。高光譜相機(jī)的波段為400～1 000 nm，采用了1 024×1 024大小的CMOS探測(cè)器，光譜分辨率達(dá)到2.35 nm。2007年，美國(guó)空軍向Headwall Photonics公司采購(gòu)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(jī)。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(shù)的海面目標(biāo)探測(cè)

高光譜數(shù)據(jù)具有多通道、譜段窄、準(zhǔn)確度高、信息量大等特點(diǎn)，與單一波段的目標(biāo)識(shí)別方式相比具有較大優(yōu)勢(shì)[4-6]，因此被廣泛應(yīng)用于海面軍事目標(biāo)探測(cè)的研究中，主要包括海島偽裝軍事目標(biāo)的探測(cè)、海面艦船目標(biāo)探測(cè)、導(dǎo)彈預(yù)警等[7-8]。

3.1 基于高光譜數(shù)據(jù)海面目標(biāo)探測(cè)的物理基礎(chǔ)

高光譜數(shù)據(jù)具有圖譜合一的特點(diǎn)，因此在提取艦船目標(biāo)時(shí)，可以同時(shí)利用圖像特征及光譜特征進(jìn)行目標(biāo)信息的提取。隨著技術(shù)的進(jìn)步，高光譜設(shè)備的幾何分辨率及光譜分辨率不斷提升。例如美國(guó)戰(zhàn)術(shù)衛(wèi)星-3上搭載的高光譜成像儀，其幾何分辨率已經(jīng)達(dá)到5 m，機(jī)載的高光譜成像儀分辨率可達(dá)10 m。而海面的軍事艦艇目標(biāo)，其長(zhǎng)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(cè)目標(biāo)時(shí)，基本上可以探測(cè)出目標(biāo)的外形輪廓。

另外，由于艦船等目標(biāo)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(rèn)為沿海海洋的光譜信號(hào)主要位于0.9 μm以下[9]。背景與目標(biāo)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(biāo)和背景。另外對(duì)于一些隱形的水面艦艇，考慮到發(fā)動(dòng)機(jī)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(biāo)。對(duì)于海島上的偽裝軍事目標(biāo)，由于當(dāng)前偽裝技術(shù)很難做到譜線與真實(shí)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(shí)材料與偽裝材料之間的明顯差異，即利用高光譜目標(biāo)探測(cè)技術(shù)來實(shí)現(xiàn)對(duì)偽裝目標(biāo)的探測(cè)。圖6為美軍利用超光譜探測(cè)的偽裝目標(biāo)，左圖為傳統(tǒng)的彩色圖像，右圖為獲取偽裝目標(biāo)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(jìn)一步合成的，可以明顯探測(cè)出偽裝坦克所在位置。

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

目前，新一代反艦導(dǎo)彈普遍具備超視距攻擊、超音速突防、超低空飛行、隱身設(shè)計(jì)、復(fù)合末制導(dǎo)、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(duì)水面艦艇的生存造成了極大的威脅[8]。研究表明這些導(dǎo)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(zhǎng)波紅外波段具有明顯的光譜特征。因此為了提高對(duì)導(dǎo)彈的偵察能力，及時(shí)發(fā)現(xiàn)目標(biāo)，降低艦艇被攻擊的風(fēng)險(xiǎn)，可以將被檢測(cè)目標(biāo)的光譜特性與超光譜數(shù)據(jù)庫(kù)中的標(biāo)準(zhǔn)光譜進(jìn)行匹配，以獲取目標(biāo)的類型、屬性等參數(shù)，并可采取針對(duì)性的措施對(duì)其進(jìn)行跟蹤、激光測(cè)距，為戰(zhàn)爭(zhēng)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(biāo)檢測(cè)算法的研究進(jìn)展

利用高光譜數(shù)據(jù)進(jìn)行目標(biāo)檢測(cè)時(shí)，主要存在以下三個(gè)方面的優(yōu)勢(shì)：一是利用光譜特征進(jìn)行目標(biāo)檢測(cè)，對(duì)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(biāo)真?zhèn)?；三是基于光譜特性，可以有效地從復(fù)雜背景中凸顯出探測(cè)目標(biāo)[10]。

從20世紀(jì)90年代開始，國(guó)內(nèi)外學(xué)者對(duì)高光譜圖像目標(biāo)檢測(cè)算法展開了研究，比較有代表性的學(xué)者有美國(guó)馬里蘭大學(xué)的C.I.Chang、美國(guó)麻省理工學(xué)院D.Manolakis、中國(guó)科學(xué)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(dòng)了異常目標(biāo)檢測(cè)算法及快速目標(biāo)檢測(cè)算法等的快速發(fā)展，經(jīng)現(xiàn)有算法處理后的圖像目標(biāo)與背景的差別得到顯著增強(qiáng)。

3.2.1 異常目標(biāo)檢測(cè)算法現(xiàn)狀

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

直接基于圖像統(tǒng)計(jì)特性的異常目標(biāo)探測(cè)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(cè)領(lǐng)域的基準(zhǔn)算法而得到廣泛的學(xué)習(xí)[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(shí)場(chǎng)景存在較大差異；(2)背景要求單一，在復(fù)雜背景環(huán)境下提取效果不明顯；(3)背景模型建立的復(fù)雜度隨著波段的增加而增加，效率較低。因此，很多研究者對(duì)此算法進(jìn)行了改進(jìn)。C.I.Chang等人提出了一系列的改進(jìn)算子，如R-RX算子、低概率目標(biāo)檢測(cè)算法和均衡目標(biāo)探測(cè)算法等。2012年，E.Lo提出最大化子空間的RX異常檢測(cè)，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(cè)算子，優(yōu)化了RX算子的檢測(cè)結(jié)果。

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

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

針對(duì)RX算子中協(xié)方差矩陣求逆運(yùn)算量大的缺點(diǎn)，Schweizer等人利用三維馬爾科夫隨機(jī)場(chǎng)直接估計(jì)協(xié)方差矩陣的逆矩陣，減弱了求逆過程中的計(jì)算復(fù)雜度。

隨著機(jī)器學(xué)習(xí)理論的廣泛應(yīng)用，K.Heesung等人將核機(jī)器學(xué)習(xí)方法引入到高光譜圖像處理領(lǐng)域，利用核映射和核函數(shù)提高背景和目標(biāo)的分離能力，取得了很好的目標(biāo)檢測(cè)效果[16]。隨后，S.Khazai將其擴(kuò)展為修正核RX異常檢測(cè)算子，進(jìn)一步提高了RX算法的檢測(cè)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(biāo)檢測(cè)算法中，有效地提高了目標(biāo)檢測(cè)的精度及效率。但是基于SVDD的目標(biāo)異常檢測(cè)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(chǔ)上提出了一系列的SVDD目標(biāo)異常檢測(cè)改進(jìn)算子，從多角度對(duì)此算法進(jìn)行改進(jìn)，并取得了較好的效果[17-18]。

監(jiān)督目標(biāo)檢測(cè)法一類為已知目標(biāo)光譜。已知目標(biāo)光譜的監(jiān)督目標(biāo)檢測(cè)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(biāo)地物光譜情況下，通過簡(jiǎn)化LCMV算法得出的，其利用目標(biāo)光譜進(jìn)行匹配濾波來實(shí)現(xiàn)亞像元的檢測(cè)。CEM作為已知目標(biāo)光譜情況下異常目標(biāo)檢測(cè)的代表，已成為亞像元目標(biāo)檢測(cè)算法的基準(zhǔn)。另外，還有一些其他學(xué)者對(duì)此類算法進(jìn)行了深入研究，Manolakis等人提出了自適應(yīng)匹配濾波算法(AMTF)。該算法利用目標(biāo)光譜獲得一致最大化的目標(biāo)似然，然后將其代入廣義似然比來構(gòu)造目標(biāo)檢測(cè)算子。在此基礎(chǔ)上，他們通過提高匹配精度等來提高算法的目標(biāo)檢測(cè)性能?？紤]到背景光譜的缺失將導(dǎo)致難以有效抑制背景對(duì)目標(biāo)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(biāo)和背景光譜信息的目標(biāo)檢測(cè)算法，提高了目標(biāo)檢測(cè)算法的性能。

另外一類監(jiān)督目標(biāo)檢測(cè)算法為已知目標(biāo)光譜和背景光譜的檢測(cè)方法。該類算法的基本思想是在抑制背景信息的基礎(chǔ)上通過匹配濾波算法來對(duì)目標(biāo)進(jìn)行檢測(cè)。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(bǔ)空間投影來實(shí)現(xiàn)背景的抑制，然后再對(duì)目標(biāo)光譜進(jìn)行匹配濾波以達(dá)到突出檢測(cè)目標(biāo)的目的。在OSP算法的基礎(chǔ)上，出現(xiàn)了一系列改進(jìn)算法：由Chang提出的噪聲子空間投影算法(NSP)，該算法可以進(jìn)行亞像元的檢測(cè)；廣義正交子空間投影算子(GOSP)利用非監(jiān)督法對(duì)波段維數(shù)擴(kuò)展后再利用OSP算子檢測(cè)；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(jìn)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(kuò)展為斜子空間，另外將該算子和廣義似然比檢測(cè)相結(jié)合，利用OBSP的特性解決廣義似然比檢測(cè)對(duì)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(cè)效果。除了OSP及其改進(jìn)算法外，目標(biāo)約束干擾最小化濾波算法(TCIMF)也屬于目標(biāo)和背景已知的異常目標(biāo)檢測(cè)算法。該算法假定目標(biāo)、背景及噪聲可分離，尋找能同時(shí)約束目標(biāo)和背景的約束向量，使得算子在檢測(cè)出目標(biāo)的同時(shí)濾除背景信息。與第一類檢測(cè)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(jī)器學(xué)習(xí)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(cè)性能的。

3.2.2 快速目標(biāo)檢測(cè)算法研究現(xiàn)狀

目標(biāo)檢測(cè)的實(shí)時(shí)性是考察高光譜儀器軍事性能的一個(gè)重要指標(biāo)。然而隨著成像光譜技術(shù)的發(fā)展，高光譜圖像的數(shù)據(jù)量逐漸增大，制約了目標(biāo)檢測(cè)的實(shí)時(shí)性[19]。目前大多數(shù)異常目標(biāo)檢測(cè)算法是利用高光譜數(shù)據(jù)的全局或局部信息來統(tǒng)計(jì)背景與目標(biāo)相關(guān)信息，算法重點(diǎn)在于提高算法的檢測(cè)性能，而忽視了算法的實(shí)效性要求。但是針對(duì)軍事目標(biāo)檢測(cè)應(yīng)用來說，提高檢測(cè)算法的實(shí)時(shí)性是一個(gè)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?biāo)檢測(cè)算法進(jìn)行改進(jìn)[20]。

2005年，D.Qian等人提出了一種實(shí)時(shí)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(kuò)展為非監(jiān)督的實(shí)時(shí)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(chǔ)形式的目標(biāo)檢測(cè)快速算法，接近實(shí)時(shí)處理；2013年，N.Acito等人提出了一種實(shí)時(shí)架構(gòu)的RX局部異常檢測(cè)算法，通過計(jì)算兩個(gè)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(jì)算效率；2014年，A.Rossi等人提出了一種RX結(jié)構(gòu)的快速目標(biāo)檢測(cè)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(fù)雜計(jì)算帶來的計(jì)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(cè)，通過利用GPU多核處理器的并行計(jì)算能力來提高基于滑動(dòng)窗口的局部RX算子的計(jì)算效率；E.Torti等人提出了一種實(shí)時(shí)高光譜子空間的識(shí)別算法，并將其用于不同類型的高性能計(jì)算架構(gòu)，包括通用多核圖形處理單元(GPU)和數(shù)字信號(hào)處理器(DSP)，實(shí)現(xiàn)快速目標(biāo)檢測(cè)。

國(guó)內(nèi)，張兵等人從DSP實(shí)現(xiàn)的角度設(shè)計(jì)了高光譜目標(biāo)檢測(cè)算法，完成了基于推掃型成像光譜儀的高光譜實(shí)時(shí)檢測(cè)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(cè)，一定程度上提高了RX算子的效率和檢測(cè)性能。在艦船目標(biāo)檢測(cè)方法方面，徐芳等人提出一種無監(jiān)督海面艦船目標(biāo)自動(dòng)檢測(cè)方法。該方法以視覺顯著性為依據(jù)，結(jié)合多顯著性檢測(cè)模型快速搜索海面目標(biāo)，生成顯著圖后對(duì)其進(jìn)行粗分割，對(duì)提取的目標(biāo)切片做標(biāo)記并進(jìn)行精細(xì)分割，對(duì)可能檢測(cè)到的厚重云層和島嶼等偽目標(biāo)使用梯度方向特征進(jìn)行鑒別，確度艦船目標(biāo)及去除偽目標(biāo)[22]。

總之，目前的一些實(shí)時(shí)處理算法主要從提高算法計(jì)算效率和采用高性能的處理器出發(fā)，一定程度上達(dá)到目標(biāo)檢測(cè)的實(shí)時(shí)性，提高了檢測(cè)效率，但是這些算法中仍然存在大量復(fù)雜的矩陣運(yùn)算和求逆運(yùn)算，這對(duì)處理硬件提出了較高的要求，使得機(jī)上實(shí)時(shí)處理存在一定困難。

4 基于高光譜技術(shù)的水下目標(biāo)探測(cè)

水下目標(biāo)以其極強(qiáng)的隱蔽性，對(duì)船舶的航行安全造成了重大威脅，其中，潛艇作為海軍實(shí)施戰(zhàn)略戰(zhàn)術(shù)的殺手锏，已經(jīng)成為各國(guó)的重要軍事裝備。聲納是目前用于探測(cè)水下目標(biāo)的常見工具，但是隨著降噪技術(shù)的發(fā)展，水下目標(biāo)產(chǎn)生的噪聲越來越低，低速巡航時(shí)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(shù)來探測(cè)水下軍事目標(biāo)變得愈加困難。目前，世界各國(guó)正在積極研究利用非聲納技術(shù)對(duì)水下目標(biāo)探測(cè)的手段。非聲納水下目標(biāo)探測(cè)技術(shù)主要包含以下幾種方式：激光、紅外、磁異常探測(cè)、高光譜等。其中，利用高光譜技術(shù)進(jìn)行水下目標(biāo)探測(cè)是未來研究的一個(gè)重要方向[12]。

4.1 基于高光譜成像技術(shù)的水下目標(biāo)探測(cè)現(xiàn)狀

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

1996年，由科學(xué)與技術(shù)公司(Science and Technology International)研制的先進(jìn)機(jī)載高光譜成像系統(tǒng)(AAHIS)被應(yīng)用于航空平臺(tái)上，借助于AAHIS光譜分辨能力，該系統(tǒng)可以很容易地探測(cè)出隱藏在海面下的暗礁、魚雷、潛艇、鯨魚等水下目標(biāo)。

圖7 美國(guó)海軍利用高光譜成像儀進(jìn)行水雷及潛艇探測(cè)實(shí)驗(yàn)Fig.7 Mine and submarine detection experiment using hyperspectral imager by US army

2003年，美國(guó)海軍利用機(jī)載的超光譜傳感器系統(tǒng)(LASH)進(jìn)行了淺海潛艇的探測(cè)實(shí)驗(yàn)，試圖克服淺海區(qū)域復(fù)雜背景雜波給聲納探測(cè)帶來的困難。該系統(tǒng)安裝在機(jī)載綜合光電吊艙中，通過選擇特殊的波段進(jìn)行潛艇自動(dòng)探測(cè)，實(shí)現(xiàn)復(fù)雜背景下弱目標(biāo)檢測(cè)，可用于發(fā)現(xiàn)水下潛艇、水雷等，對(duì)于區(qū)分水下目標(biāo)具有重要的軍事意義。

雖然通過試驗(yàn)表明采用光譜成像技術(shù)可實(shí)現(xiàn)最小地元分辨率米級(jí)或更小、水深30 m內(nèi)的潛艇探測(cè)。但在實(shí)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(hào)進(jìn)行潛艇目標(biāo)探測(cè)難以滿足深海區(qū)域的實(shí)戰(zhàn)要求。

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

根據(jù)尾流的產(chǎn)生機(jī)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(jìn)器或者泵噴推進(jìn)器在運(yùn)轉(zhuǎn)時(shí)使海水空化產(chǎn)生的氣泡尾流；由潛艇航行時(shí)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(shí)干擾海水各層的生物場(chǎng)，從而形成的生物光尾流。

針對(duì)不同類型的尾流，可采用不同類型的探測(cè)手段進(jìn)行檢測(cè)。目前，國(guó)內(nèi)外對(duì)尾流氣泡的研究主要基于SAR成像技術(shù)和激光雷達(dá)技術(shù)，本文在此基礎(chǔ)上就高光譜成像技術(shù)在熱尾流和生物光尾流探測(cè)上的應(yīng)用進(jìn)行初步的探討。

4.2 基于潛艇熱尾流目標(biāo)探測(cè)現(xiàn)狀及基于高光譜溫度反演的目標(biāo)探測(cè)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?zé)嵛擦鳎菪龢谶\(yùn)轉(zhuǎn)過程中也會(huì)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(guān)。目前的研究工作主要集中在尾流中各干擾項(xiàng)的分布規(guī)律、尾流尺度的計(jì)算、尾流產(chǎn)生的機(jī)理等[24]。我國(guó)學(xué)者也相繼展開了相關(guān)的研究工作，包括：機(jī)載熱紅外尾流探測(cè)水下目標(biāo)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(yùn)動(dòng)體冷熱尾流浮升擴(kuò)散規(guī)律及水面冷熱特性的差異等等。其中對(duì)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(dòng)溫度密度分層，海水浮升形成冷尾流溫差信號(hào)，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(jìn)行探測(cè)的效果較好。

美國(guó)在1976年發(fā)射了裝有紅外探測(cè)傳感器的衛(wèi)星，其利用熱尾流進(jìn)行潛艇探測(cè)。但是該技術(shù)對(duì)紅外探測(cè)器的靈敏度要求較高，在實(shí)際使用時(shí)噪聲較大，因此通常需要對(duì)紅外圖像進(jìn)行增強(qiáng)后才能進(jìn)行目標(biāo)檢測(cè)，然而這些圖像增強(qiáng)方法往往會(huì)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(cè)方法難以有效地應(yīng)用于實(shí)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(cè)潛艇時(shí)，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(shí)，假設(shè)某個(gè)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(luò)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(jì)算的各個(gè)波段的黑體溫度，λ為波長(zhǎng)。通過上式，可以精確計(jì)算出海水在各個(gè)波段上的溫度及發(fā)射率。

為了進(jìn)一步突出海面與尾流之間的溫度差異，可以利用先驗(yàn)知識(shí)對(duì)這些提取出來的發(fā)射率圖像進(jìn)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(cè)效率及精度。

4.3 基于潛艇光尾流的潛艇探測(cè)機(jī)理及基于線性解混的探測(cè)方法探討

潛艇在航行過程中會(huì)引起周圍海域電磁場(chǎng)的變化，磁場(chǎng)的變化導(dǎo)致發(fā)光細(xì)菌發(fā)光強(qiáng)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(xì)菌的發(fā)光強(qiáng)度恒定，而在外界電磁場(chǎng)的刺激下，其發(fā)光強(qiáng)度將增大。潛艇航行時(shí)，其周圍的電磁輻射波動(dòng)將使軌跡上的細(xì)菌發(fā)光強(qiáng)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(cè)這些熒光信號(hào)來探測(cè)潛艇。

高光譜探測(cè)器檢測(cè)到的熒光信號(hào)包含發(fā)光細(xì)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(xì)菌在海水背景下和風(fēng)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(jìn)行潛艇目標(biāo)檢測(cè)。

通過上述的基于光尾流的潛艇檢測(cè)方法可以歸納出，有效剔除背景光是目標(biāo)探測(cè)成功的關(guān)鍵之一?？紤]到在不同的聲波、電磁波刺激下，海洋發(fā)光細(xì)菌發(fā)射光譜不同，借助光譜庫(kù)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(cè)目標(biāo)。

式中，εi為第i個(gè)像元的誤差項(xiàng),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(biāo)光譜，進(jìn)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(biāo)探測(cè)中的應(yīng)用，總結(jié)了光譜成像技術(shù)在海域目標(biāo)探測(cè)中的應(yīng)用現(xiàn)狀，對(duì)基于高光譜數(shù)據(jù)進(jìn)行海面軍事目標(biāo)探測(cè)和水下目標(biāo)探測(cè)的分析方法進(jìn)行了探討。研究表明，用于海面軍事目標(biāo)探測(cè)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(biāo)不斷提升，并且在搭載于無人機(jī)平臺(tái)的目標(biāo)探測(cè)中表現(xiàn)優(yōu)異。在基于高光譜數(shù)據(jù)的海面目標(biāo)及水下目標(biāo)探測(cè)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(biāo)與背景之間的差別顯著增強(qiáng)，但實(shí)時(shí)處理的問題仍難以保證。此外，本文介紹了運(yùn)用高光譜技術(shù)進(jìn)行潛艇尾流探測(cè)的機(jī)理，基于此提出了一種計(jì)算海面溫度發(fā)射率以及線性解混的水下目標(biāo)探測(cè)的方法，為利用高光譜技術(shù)進(jìn)行水下目標(biāo)探測(cè)提供了一條可行路徑。綜上所述，光譜成像技術(shù)在海域目標(biāo)探測(cè)中具有獨(dú)特的優(yōu)勢(shì)，光譜成像設(shè)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(shù)途徑。

[1] 鄭玉權(quán),王慧,王一凡.星載高光譜成像儀光學(xué)系統(tǒng)的選擇與設(shè)計(jì)[J].光學(xué) 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(qiáng),李庶中,賈宇.光譜成像技術(shù)在海上目標(biāo)探測(cè)識(shí)別中的應(yīng)用探討[J].光學(xué)與光電技術(shù),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(dá),鄭玉權(quán).高光譜遙感的發(fā)展與應(yīng)用[J].光學(xué)與光電技術(shù),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(guó)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(shù)特點(diǎn)及其對(duì)地面軍事目標(biāo)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(jī)載海洋改進(jìn)型Dyson高光譜成像儀的研制[J].光學(xué) 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(duì)高光譜異常目標(biāo)探測(cè)的影響[J].解放軍理工大學(xué)學(xué)報(bào)(自然科學(xué)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(biāo)探測(cè)方法分析[J].光電技術(shù)應(yīng)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(cè)算法[J].中國(guó)光學(xué),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(cè)與識(shí)別[J].光學(xué) 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(cè)中潛艇冷熱尾流的傳熱傳質(zhì)特性[J].光學(xué) 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(fēng)華(1973—)，男，江蘇江陰人，碩士研究生、高級(jí)工程師，現(xiàn)為海軍裝備研究院高級(jí)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(guó)科學(xué)院長(zhǎng)春光學(xué)精密機(jī)械與物理研究所重大創(chuàng)新資助項(xiàng)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