【KQ-2024-229】国外高光谱技术发展动态(一)

学术   2024-11-11 19:00   北京  

随着现代军事技术的不断进步,高光谱技术在军事应用中展现出巨大潜力,正成为提升战场态势感知能力的关键因素。世界主要军事强国在高光谱技术的理论和应用方面进行了大量研究和实践。

北京隐身科技有限公司致力于隐身与反隐身系统级工程化解决方案。我们长期跟踪国外高光谱技术的发展动态,特别是高光谱技术在战场目标侦察识别领域的发展应用。我们选定了36篇国外高光谱领域的研究论文、技术报告等,进行了翻译整编,并请相关专家进行把关,供同行参考使用。

本书共分为四部分,第一部分为高光谱图像处理与分析技术。当前,高光谱目标检测的研究正朝着优化算法和提升数据处理能力的方向发展。例如,通过先验目标特征优化的稀疏表示方法,研究人员能够更准确地从复杂背景中识别出特定目标。此外,深度学习技术,特别是深度卷积神经网络的应用,正在推动高光谱图像分类技术的革新,达到提高自动化处理的效率和准确性的效果。

第二部分为目标检测与识别技术,涵盖了基于MWIR高光谱成像技术的伪装检测、基于高光谱偏振成像的伪装目标光学性能研究,以及利用高光谱相机测定伪装表面光谱均匀性特征等研究。

第三部分高光谱成像技术在军事领域的应用,此类研究的应用正变得日益广泛。从提高瞄准速度到实施自动识别,高光谱图像传感技术正在增强军队在未来战斗中的竞争力。此外,广域高光谱运动成像技术和爆炸物检测技术的发展,为实时威胁异常检测提供了新研究思路。

第四部分为测试评估与设备技术,随着高光谱成像技术的发展,对测试评估与设备技术的要求也在不断提高。多光谱和高光谱图像标准的改进,如光谱NITF实施配置文件的更新,为数据的标准化处理和分析提供了便利。

图 1  不同先验目标的检测性能偏差

图 2  HYDICE数据集:(a)高光谱立方体;(b)目标的真实位置;(c)不同目标像素的光谱曲线;(d)先验选择的随机目标。

图 3  提议的深度和密度模型所采用内部块体结构。由表示的每个块体由两组批归一化、非线性、卷积和移除层组成。
图 4  (a)LiDAR数据,(b) HSI假彩色,(c)地面真实值,(d) SVM (HSI)分类图(e) GBFF分类图,(f) NSST-PCA-MLRsub (HSI+LiDAR)分类图

图 5  (a)伪装目标的光学照片;(b)散点轮廓算法(c)数字地表模型(3D视图和俯视图);(d)高度。

目录

010-8646858513810077682

点击此处 开启业务合作

长按识别二维码,获取多精彩内容

免责声明:本公众号目前所载内容为本公众号原创、网络转载或根据非密公开性信息资料编辑整理,相关内容仅供参考及学习交流使用。由于部分文字、图片等来源于互联网,无法核实真实出处,如涉及相关争议,请跟我们联系。我们致力于保护作者知识产权或作品版权,本公众号所载内容的知识产权或作品版权归原作者所有。本公众号拥有对此声明的最终解

隐身工程技术研究院
北京隐身工程技术研究院有限公司聚焦于军事作战过程和军工装备研发过程中的隐身与反隐身应用需求,集成雷达、红外、光学、高光谱等领域技术,从设计、仿真、试验、评估全流程为军方和军工科研院所提供隐身与反隐身技术系统级工程化解决方案。
 最新文章