基于多光譜的地面?zhèn)麊T識別技術(shù)實驗研究

朱明明，雷 濤，夏娟娟，李 釗，張林媛，王健琪，路國華

（空軍軍醫(yī)大學(xué)軍事生物醫(yī)學(xué)工程學(xué)系，西安710032）

0 引言

目前國際形勢復(fù)雜多變，有戰(zhàn)爭就必定有傷員，而現(xiàn)代大規(guī)模殺傷性武器的使用更是導(dǎo)致傷員大量增加。傷員搜救是以人為本的重要體現(xiàn)，更是戰(zhàn)時戰(zhàn)斗力的重要保障[1]。研究表明，陸地各種傷員受傷后因未被及時發(fā)現(xiàn)而死亡的占死亡總數(shù)的76.2%，快速找到傷員，可使傷員死亡率降低2/3，在戰(zhàn)場傷員搜救中更是有“白金10 min，黃金1 h”的救治理念[2-4]。然而，通往搜救現(xiàn)場的道路通常已被毀壞，且存在環(huán)境復(fù)雜危險、搜索范圍大、人員分布不確定、人員特征不明顯等情況，加之救護人員數(shù)量有限，采用傳統(tǒng)的“一跟二看三問四聽五找”（搶救人員緊跟進攻部隊；注意觀察戰(zhàn)斗員狀態(tài)；詢問輕傷員，了解傷員分布情況；傾聽聯(lián)絡(luò)信號傷員呼救聲；按照作戰(zhàn)方向?qū)ふ覀麊T）已經(jīng)無法快速并準(zhǔn)確搜索到受傷人員。如何快速有效地搜尋傷員成為戰(zhàn)場傷員救治的首要問題，也是降低失蹤、死亡率的首要因素。

從技術(shù)發(fā)展特征和使用方式來看，傷員搜尋技術(shù)可分為約束式和無約束式?，F(xiàn)有約束式救生裝備主要存在增加身體負(fù)荷、穿戴裝置使用不便及電磁兼容難以滿足武器裝備戰(zhàn)場環(huán)境要求等不足，對士兵戰(zhàn)斗力有所影響[5-7]。因此，未來傷員搜尋技術(shù)必將注重?zé)o約束式發(fā)展，利用人體生命特征進行搜索，從而減輕傷員負(fù)擔(dān)。目前，國內(nèi)外無約束式搜尋技術(shù)主要采用無人機搭載RGB 高清相機和熱紅外成像儀進行低空搜尋[8-10]，但在戰(zhàn)場環(huán)境戰(zhàn)士大多穿著迷彩服、處于偽裝條件下，依靠機載視覺載荷很難發(fā)現(xiàn)傷員。而熱紅外成像技術(shù)分辨力較差，受環(huán)境溫度影響較大，在戰(zhàn)場熱源較多、環(huán)境溫度大于30 ℃時，無法檢測到人體熱信號。多光譜目標(biāo)識別技術(shù)具有抗偽裝、抗干擾、實時等優(yōu)點[11]，因而其在戰(zhàn)場傷員搜尋中具有獨特的優(yōu)勢。

多光譜技術(shù)將成像信息從可見光（390～780 nm）范圍拓展到300～1 100 nm 波段，一般選擇其中4～10個特征光譜進行數(shù)據(jù)處理，通過目標(biāo)與背景光譜特性曲線之間的差別，提取特征將目標(biāo)識別出來[12]。小型無人機搭載多光譜相機進行低空巡航可實現(xiàn)小尺度高精度遙感監(jiān)測，因此在農(nóng)業(yè)、林業(yè)、生態(tài)環(huán)保等領(lǐng)域應(yīng)用廣泛。其主要原理是根據(jù)植被中葉綠素、水分等含量不同影響冠層群體的反射光譜變化，從而反演出區(qū)域內(nèi)植被的長勢、病蟲害、水分脅迫狀況[13]。目前，已有多款商用多光譜無人機用于農(nóng)業(yè)和環(huán)境監(jiān)察領(lǐng)域，例如大疆推出的精靈4 多光譜版和搭載Parrot sequoia 多光譜相機的Parrot bluegrass 無人機[14-15]。然而，此類應(yīng)用都是大范圍區(qū)域化劃分，環(huán)境越復(fù)雜，目標(biāo)區(qū)域越小，種間相似度越高，識別精度越低。將現(xiàn)有商用多光譜無人機用于偽裝于叢林中的迷彩服傷員搜尋，會因迷彩服與叢林的相似度較高，很難準(zhǔn)確識別身著迷彩服的傷員?；诖耍疚奶岢鲆环N無人機搭載多光譜的地面?zhèn)麊T識別技術(shù)，以解決叢林中迷彩服傷員搜尋的難題。

1 材料與方法

1.1 材料

1.1.1 實驗設(shè)備

（1）ATP9100 便攜式地物光譜儀（奧譜天成）（以下簡稱“ATP9100”），波長范圍300～1 100 nm，CCD（charge-coupled device）探測器像素2 048，可測量輻照度、光譜強度、反射率、吸光度，光譜分辨力1.4 nm，波長精度0.5 nm，信噪比＞800。使用ATP9100 分別對草地和迷彩服光譜強度、反射率信息進行多次檢測采集，分析其光譜特性曲線，選取特征波段。

（2）M100 四旋翼無人機（DJI Matrice 100）（以下簡稱“M100”），質(zhì)量2 355 g，最大起飛質(zhì)量3 600 g，可搭載有效載荷1 245 g；最大航行速度22 m/s，最大可承受風(fēng)速10 m/s，懸停精度垂直方向0.5 m、水平方向2.5 m，最大通信距離5 km，負(fù)載1 kg 時可懸停13 min。M100 作為無人機遙感平臺的主體，主要負(fù)責(zé)搭載MS600 型通用多光譜相機（以下簡稱“MS600”）和大疆禪思Zenmuse X3 云臺相機（以下簡稱“X3”）獲取遙感影像，為后續(xù)圖像處理提供了可靠基礎(chǔ)。

（3）MS600，可實現(xiàn)6 個通道光譜圖像數(shù)據(jù)的同步獲取，質(zhì)量僅170 g，包括相機主機、下行光傳感器（downwelling light sensor，DLS）、GPS 模塊，通過灰板輻射定標(biāo)可獲得精確反射率數(shù)據(jù)。MS600 設(shè)計緊湊、體積小，采用標(biāo)準(zhǔn)化接口設(shè)計，便于與無人機快速集成。DLS 模塊可校正飛行過程中環(huán)境光的影響，為目標(biāo)識別提供可靠數(shù)據(jù)。

（4）X3，Sony Exmor R CMOS 影像傳感器，尺寸為1/2.3 in（1 in=25.4 mm），焦距3.57 mm，像素4 096×2 160。X3 主要提供無人機飛行時的高空視野，方便更精準(zhǔn)地獲取多光譜圖像信息，也可對目標(biāo)區(qū)域進行可見光圖像拍攝，用于后期識別圖像與原始可見光圖像的對比。

1.1.2 實驗對象及環(huán)境

由于林地迷彩服與叢林環(huán)境相似度較高，與城市迷彩服和荒漠迷彩服相比較，其多光譜識別難度最大。因此，本研究選擇實驗對象為林地迷彩服，對其進行多光譜識別，實驗環(huán)境為草地環(huán)境（以馬蹄金等雜草為主）。

1.1.3 實驗設(shè)計

為方便數(shù)據(jù)采集、簡化實驗?zāi)Ｐ?，實驗設(shè)定為草地環(huán)境下對林地迷彩服的識別，具體設(shè)計如圖1所示。首先，設(shè)定多光譜數(shù)據(jù)的采集條件，然后對識別目標(biāo)和環(huán)境進行光譜強度和反射率數(shù)據(jù)采集，根據(jù)光譜曲線篩選特征譜段，再根據(jù)篩選的特征譜段選擇合適的多光譜相機。其次，根據(jù)選擇的多光譜相機搭建無人機多光譜遙感平臺，在飛行高度100 m時進行多光譜圖像采集，對采集圖像采用圖像配準(zhǔn)、圖像拼接、輻射定標(biāo)等方法，生成一張16 bit TIFF格式的六合一反射率數(shù)據(jù)全景圖。最后，將全景圖像嵌入目標(biāo)識別模型，結(jié)合篩選的光譜指數(shù)和紋理特征構(gòu)建決策樹算法，設(shè)置合理閾值，進行迷彩目標(biāo)識別。

圖1 實驗設(shè)計示意圖

1.2 方法

1.2.1 數(shù)據(jù)采集條件設(shè)定

為保證實驗的嚴(yán)謹(jǐn)和測量的準(zhǔn)確性，在光線較強時段（11：00—14：00）、高度50 cm、垂直方向進行數(shù)據(jù)采集，每組數(shù)據(jù)采集時間控制在10 min 以內(nèi)。實驗中發(fā)現(xiàn)云層遮蔽等環(huán)境因素引起的光線變化對光譜強度影響較大，為減少天氣的影響，盡量選擇晴天無云的環(huán)境進行測量，每隔0.5 h 校對1 次暗電流和標(biāo)定板參考光譜[16]。

1.2.2 多光譜遙感圖像采集

采集時間在11：00—14：00，天氣晴，微風(fēng)。在學(xué)校足球場進行初步測試，測區(qū)面積為90 m×120 m，測區(qū)以黃綠相間草地為主，在草地上鋪設(shè)林地迷彩服偽裝成傷員。M100 飛行高度100 m，此時MS600 地面分辨力為6.25 cm，幅寬80 m×60 m。為方便拼接，采用自動捕獲模式，重疊率觸發(fā)，航向重疊度80%，旁向重疊度75%，MS600 捕獲圖像最快間隔為1.5 s，則M100 航行速度可設(shè)置為8 m/s，最快6 s 可完成圖像捕獲。在M100 高度100 m 處使用X3 對目標(biāo)區(qū)域進行拍攝，分別用X3 和多光譜進行目標(biāo)識別。

1.2.3 識別率測試

為了測量無人機搭載多光譜識別目標(biāo)的識別率，本研究使用4 套林地迷彩服，根據(jù)不同面積分別模擬立姿（約0.1 m2）、坐姿（約0.2 m2）、側(cè)臥（約0.35 m2）、俯臥（約0.6 m2）4 種姿態(tài)。將這4 種姿態(tài)林地迷彩服放置在同一草地環(huán)境下，進行8 次多光譜遙感圖像采集，經(jīng)圖像預(yù)處理后嵌入目標(biāo)識別模型，統(tǒng)計實驗結(jié)果，計算識別率（模型識別出目標(biāo)數(shù)與目標(biāo)總數(shù)之比）。

1.2.4 數(shù)據(jù)處理

1.2.4.1 圖像配準(zhǔn)

MS600 每次曝光可生成6 幅選定波段的單波段影像，此階段主要是將此6 幅單波段圖像合成1 個TIFF 格式的光譜強度數(shù)據(jù)文件，合成后每個像素點對應(yīng)的是一串由6 個元素組成的光譜強度數(shù)組，為圖像拼接做準(zhǔn)備。首先選擇5～10 組具有代表性的圖像，根據(jù)相機參數(shù)（像元大小、焦距、校驗?zāi)Ｐ虰rown 等）完成內(nèi)定向，此步驟可對獲取的多光譜影像進行降噪處理，檢驗圖像的完整性，并計算出每個像素點對應(yīng)的GPS 坐標(biāo)信息。然后進行空中三角測量自動轉(zhuǎn)點，選取特征點，在圖像拼接時將相鄰圖像間的特征點一一對應(yīng)即可完成圖像拼接，匹配完成后，刪除粗差點。輸出虛擬相機參數(shù)（包含航高等信息），根據(jù)虛擬相機參數(shù)對多光譜影像中不同光譜通道的圖像進行圖像配準(zhǔn)，生成六合一的TIFF 格式光譜強度_Multi 數(shù)據(jù)文件。

1.2.4.2 圖像拼接

使用無人機遙感技術(shù)進行傷員搜救具有低成本、高速、實時、易于獲取等優(yōu)勢，但是由于無人機飛行高度低、攝像機視場角度小等原因，單幅圖像覆蓋面積小，需采集多幅圖像進行拼接，以獲取全景圖像。獲取全景圖像是為了更好地觀察傷員分布情況以及周圍環(huán)境情況，為決策者提供決策依據(jù)，方便組織救援力量及規(guī)劃救援路線。此外因為單幅圖像幅寬較小，相鄰2 幅圖像之間的重疊度約80%，如果對每單幅圖像進行逐一傳輸識別，會大大增加冗余度和計算量，且無人機遙感影像在運動中獲取，經(jīng)過圖像拼接可糾正圖像中的模糊點。圖像配準(zhǔn)完成后，同步進行空中三角測量和概略數(shù)字地表模型（digital surface model，DSM），完成從像空間坐標(biāo)到物空間坐標(biāo)點的轉(zhuǎn)換，根據(jù)數(shù)字正射影像的空間分辨力和格網(wǎng)間距完成圖像拼接。

1.2.4.3 輻射定標(biāo)

對拼接后的單幅影像進行輻射定標(biāo)，依次添加灰板原始圖像，通過輻射校正，將多光譜影像的灰度值轉(zhuǎn)換為目標(biāo)區(qū)域的反射率，處理結(jié)束后生成16 bit TIFF 格式六合一反射率數(shù)據(jù)。

1.2.4.4 目標(biāo)識別

將生成的16 bit TIFF 格式六合一反射率數(shù)據(jù)嵌入目標(biāo)識別模型，進行自動化識別與定位。為克服單波段篩選的盲目性，可通過波段間運算構(gòu)建敏感光譜指數(shù)，增強目標(biāo)差異，最終構(gòu)建模型進行目標(biāo)提取。對不同波段的反射率賦予不同的加權(quán)值，突出地物之間的差異，根據(jù)公式計算形成光譜指數(shù)；利用基于灰度共生矩陣的紋理計算作為輔助手段，幫助剔除用反射率無法區(qū)分的特征，如形狀、紋理特征等[17-18]。以光譜指數(shù)、紋理特征等參數(shù)為子節(jié)點構(gòu)建決策樹，設(shè)置合理閾值，完成目標(biāo)識別。

2 結(jié)果

2.1 特征光譜波段篩選

林地迷彩服與草地環(huán)境光譜曲線如圖2 所示。

分析光譜反射率曲線可知，林地迷彩服在400～500 nm 波段與草地環(huán)境光譜曲線走勢一致，反射率較低且難以區(qū)分。550～560 nm 波段草地環(huán)境光譜曲線出現(xiàn)一個由葉綠素引起的反射峰，反射率遠(yuǎn)大于林地迷彩服，可作為輔助識別的有效手段。660～690 nm波段草地環(huán)境對光的反射率較低，有一個吸收峰，林地迷彩服反射率較高。710 nm 處草地環(huán)境反射率急劇上升并迅速達到頂峰，出現(xiàn)高反射率平臺，此波段林地迷彩服與草地環(huán)境對比度高，特征明顯，可作為特征識別。通過以上分析及初步論證，選取波段為綠波段、紅波段、紅邊波段、近紅外波段，詳見表1，可識別出草地環(huán)境中的林地迷彩服。

表1 擬選取林地迷彩服識別特征波段單位：nm

2.2 數(shù)據(jù)處理結(jié)果

2.2.1 可見光目標(biāo)識別

無人機航高100 m 時，從X3 拍攝的目標(biāo)區(qū)域圖像很難看出偽裝傷員，林地迷彩服在草地背景下的隱蔽性較好，目視識別效果不理想。經(jīng)過圖像處理，調(diào)節(jié)對比度和亮度到最佳視覺效果，如圖3 所示，可看出迷彩服大致輪廓。

圖3 圖像處理后的X3 云臺相機拍攝影像

2.2.2 多光譜目標(biāo)識別

無人機航高100 m 時，MS600 拍攝的目標(biāo)識別結(jié)果如圖4 所示，圖中紅色十字標(biāo)記處即為自動識別目標(biāo)位置。每張圖片都自帶GPS 定位信息，標(biāo)定位置為圖像的中心點GPS 位置，再根據(jù)地面分辨力每個像元的尺寸可算得每個像素點的GPS 定位信息。自動識別算法可有效提取迷彩偽裝人員所在位置，但存在少許識別誤差，當(dāng)林地迷彩服面積≤0.1 m2時，多光譜無法識別林地迷彩服。進行8 次多光譜遙感圖像采集，經(jīng)統(tǒng)計計算可得多光譜識別林地迷彩服的識別率為80%±6%（均值±標(biāo)準(zhǔn)差）。

圖4 林地迷彩服的多光譜目標(biāo)識別結(jié)果

3 討論

與現(xiàn)有傷員識別技術(shù)相比，本文提出的方法基于多光譜識別技術(shù)，可有效彌補戰(zhàn)場環(huán)境下可見光和紅外熱成像技術(shù)的不足。通過實驗分析找到合理的偽裝識別特征波段，結(jié)合篩選的指數(shù)和紋理特征，構(gòu)建決策樹算法，設(shè)置合理閾值，進行迷彩目標(biāo)識別，實驗結(jié)果表明該方法可有效識別草地環(huán)境下的林地迷彩服。經(jīng)過查閱文獻，目前尚未發(fā)現(xiàn)利用多光譜識別傷員目標(biāo)的類似研究，僅有針對偽裝網(wǎng)、營地等大目標(biāo)進行反偽裝偵查的研究[11，19]，而本文采用的多光譜識別技術(shù)可識別出0.2 m2小目標(biāo)的偽裝傷員。

本文提出的識別方法雖能實現(xiàn)草地環(huán)境下林地迷彩服的識別，但識別率還有待提升。當(dāng)林地迷彩服面積較小時，多光譜識別技術(shù)無法識別，分析可能由以下原因造成：（1）天氣復(fù)雜多變，天氣變化對光譜強度和反射率的影響較大。雖然已控制光譜數(shù)據(jù)采集和光譜遙感影像采集在晴天11：00—14：00 時間段，但每天的光線照度還是有所差別，后期將考慮采用相關(guān)環(huán)境補償算法。（2）測試背景與實驗背景草地環(huán)境的光譜曲線有所差異，為實驗結(jié)果帶來不確定性。此外，本次實驗為簡化實驗?zāi)Ｐ?，方便?shù)據(jù)采集，選用足球場作為實驗場地，但其背景單一，不能充分模擬戰(zhàn)場環(huán)境。在后續(xù)研究中，將逐步增加場地環(huán)境的復(fù)雜性，提高識別模型的可靠性。為了提升傷員識別的準(zhǔn)確率，可采用亞像素級的算法細(xì)化圖像細(xì)節(jié)，進一步識別迷彩服上的血跡，還可定點拋投生物雷達模塊測量目標(biāo)的心率、呼吸和體動數(shù)據(jù)，進行傷情感知[20-21]，為戰(zhàn)場環(huán)境處于偽裝下的傷員的識別提供實驗基礎(chǔ)。