阅读说明：本技术 一种基于旋翼无人机的植被背景下隐藏地物的探测方法 (Detection method of hidden ground objects under vegetation background based on rotor unmanned aerial vehicle ) 是由 丑述仁 陈斌 章杰 王鹏 夏鲁瑞 苏宪程 刘甜甜 于 2019-10-24 设计创作，主要内容包括：本发明公开了一种基于旋翼无人机的植被背景下隐藏地物的探测方法,该方法通过搭载高光谱成像光谱仪的旋翼无人机,对目标区域进行逐行扫描,获得光谱数据并存储数据；同时采用荧光提取算法计算出目标区域的荧光值信息；再通过卫星获取目标地区的遥感高分辨率光学遥感图像,对步荧光值信息和遥感图像进行预处理得到荧光值信息；最后采用夫琅禾费暗线方法从荧光值信息中提取荧光探针,进而判定该目标区域是否存在隐藏地物。本发明的探测方法对植被伪装技术有很好的探测作用,在国防领域可以有着广泛的应用。而且探测的叶绿素荧光可用于指示植物细胞生理生化过程,及时准确反映植物光合作用的真实工作状态、诊断植物的健康状况等。(The invention discloses a detection method of hidden ground objects under a vegetation background based on a rotor unmanned aerial vehicle, which comprises the steps of scanning a target area line by line through the rotor unmanned aerial vehicle carrying a hyperspectral imaging spectrometer, obtaining spectral data and storing the data; meanwhile, fluorescence value information of the target area is calculated by adopting a fluorescence extraction algorithm; then, obtaining a remote sensing high-resolution optical remote sensing image of the target area through a satellite, and preprocessing the step fluorescence value information and the remote sensing image to obtain fluorescence value information; and finally, extracting the fluorescent probe from the fluorescence value information by adopting a Fraunhofer dark line method, and further judging whether the target area has hidden ground objects. The detection method of the invention has good detection effect on vegetation camouflage technology and can be widely applied in the field of national defense. And the detected chlorophyll fluorescence can be used for indicating the physiological and biochemical processes of plant cells, timely and accurately reflecting the real working state of plant photosynthesis, diagnosing the health condition of plants and the like.)

一种基于旋翼无人机的植被背景下隐藏地物的探测方法

技术领域

本发明属于隐藏地物探测领域，具体涉及一种基于旋翼无人机的植被背景下隐藏地物的探测方法。

背景技术

伪装是通过使用电子、电磁、光学、热学、声学等技术手段，改变与军事有关目标的自身原有特征信息，降低或消除目标真实目标的检测特征，实现目标的“隐真”；或模拟目标的检测特征，或模拟目标的检测特征，仿造假目标以“示假”。伪装的基本方法有自然伪装、植物伪装、迷彩伪装、人工遮障伪装、烟雾伪装等技术。自然伪装是在充分利用地况、物体、夜色或能见度差的天气气候增加隐藏目标或者减少目标的显著性。植被伪装技术是利用采收植物等方法对目标进行伪装的技术。迷彩伪装是利用染料、涂料或其他材料来改变目标色彩或使用迷彩图案降低目标与背景差异和变化目标外部形状。人工遮障伪装是采用各类伪装材料，对目标设置隐藏的障屏，主要有丛林迷彩伪装网、多频谱伪装遮障和反中红外波段侦查伪装遮障。烟雾伪装主要使用烟雾遮蔽目标，用于干扰对方光学波段的侦查。

目前，国外重点发展能够在全天候、各个时段、整个过程的目标与天然背景自然融合的自适应伪装技术(变色多光谱伪装、发射率和温控可调伪装材料、轻型宽频雷达材料等)。例如针对遥感可见光和多光谱遥感侦查的特点，伪装材料在原有的色彩伪装的基础上，研发出接近目标背景地物光谱的自适应伪装材料，利用此类材料对目标地物进行隐藏，这大大增加了通过传统遥感手段检测此类目标的难度。常用于植被环境中的丛林迷彩、纯绿色的伪装网，在可见光和近红外部分区域具有与植被相似的光谱特征。传统的可见光遥感，其能够直观地反映地物的尺寸、形状、大小等信息，对于改变颜色和亮度，并具有与背景颜色相匹配的迷彩图目标，检测难度很大。多光谱遥感能够很好地对植被等典型地物进行识别，但接近目标背景地物光谱的伪装材料检测能力是有限的。

叶绿素荧光遥感是遥感对地观测领域最前沿的研究热点之一。叶绿素荧光是植物所发出的微弱光芒，可以指示植物细胞生理生化过程。根据卫星遥感植被荧光探针特性可以很好的对以植被为背景的伪装地物进行探测识别。中国2017年发射的碳卫星(TanSat)搭载了专门探测叶绿素荧光的超光谱成像仪，可以捕捉植物光合作用过程中所发出的微弱光芒，即叶绿素荧光。通过探测卫星进行遥感探测可以为研究收集合适的数据源。

目前，叶绿素荧光动力学技术广泛应用于植物生理、植物生态等领域。研究手段多借助调制式叶绿素荧光仪尽管能够揭示植物光合作用机理，但多限于叶片“点”式接触测量。建立在目标荧光光谱探测基础上的激光诱导荧光技术(laser induced fluorescence,LIF),通常以320nm-380nm的紫外光作为激发光源，在一定的距离范围内，光谱仪可以检测到植物发出的荧光光谱信号。但是，研究表明植物的荧光光谱特征(如强度、谱形及不同波长区的相对强度对比等)除了与探测仪器的激发波长、性能有关外、还与色素种类、浓度及生物量等密切相关，在实际应用中激光诱导荧光遥感存在一定的局限性.激光诱导荧光技术通常要长时间对叶片进行不间断照射，之后获取荧光信号。这在一定程度上限制了利用荧光信号探测隐藏地物。同时激光诱导荧光技术需要有大容量的供电设备，搭载在无人机条件比较实现困难。

很多学者认为，要实现空间遥感探测植物荧光，可行的是依靠测量日光诱导的荧光信号。虽然由于叶绿素荧光的信号很弱，但根据植被指数和太阳夫琅禾费暗线线提取等方法，能够从反射率中得到植物发射的叶绿素荧光信息。通过卫星携带高光谱分辨率的成像光谱仪，将从表观反射中分离出荧光信号。当以合适的波长光照射植物时，植物会激发出荧光，在660nm到800nm波段之间,存在两个明显的荧光峰分别位于687nm和760.5nm处(Perez-Priego et al.,2005)。红光区荧光来源于与光系统II内部的叶绿素有关，近红外SIF来源于光系统II和光系统I内的叶绿素有关(Meroni et al.,2009)，如图1所示。但是单纯通过卫星遥感收集到的植被指数特性并不能准确探测识别植被背景下隐藏地物。因此，急需研发出一种利用遥感手段很好地对接近目标背景地物光谱的伪装材料进行检测识别的方法。

发明内容

解决的技术问题：本发明提供一种基于旋翼无人机的植被背景下隐藏地物的探测方法。本发明利用卫星遥感植被探针对隐藏目标进行识别和探测，通过定量化的分析方法，为以植被为背景的隐藏目标提供了一种新的检测方式，在检测目标方面具有更大优势。叶绿素荧光是植物所发出的微弱光芒，可以指示植物细胞生理生化过程。根据卫星遥感植被荧光探针特性可以很好的对以植被为背景的伪装地物进行探测识别。

技术方案：一种基于旋翼无人机的植被背景下隐藏地物的探测方法，包括以下步骤：

步骤S1：采用了搭载高光谱成像光谱仪的旋翼无人机，将该旋翼无人机悬停与待探测的目标区域上空；

步骤S2：旋翼无人机悬停后，通过高光谱成像光谱仪对目标区域进行逐行扫描，并采用荧光提取算法将扫描获得数据进行提取，获得荧光图像数据并存储数据；

步骤S3：通过卫星获取目标地区的遥感高分辨率光学遥感图像，对步骤S2得到的荧光图像数据和高分辨率光学遥感图像进行预处理得到荧光值信息，所述预处理为遥感图像预处理、图像配准、融合、分类和剔除非植被图像信息；

步骤S4：采用夫琅禾费暗线方法从预处理后的荧光值信息中提取荧光探针，根据荧光探针进行判定该目标区域是否存在隐藏地物，若荧光探针的荧光值＜0.1mW m^-2nm^-1sr^-1时，则判定该目标区域存在隐藏地物；若0.1≤荧光探针的荧光值≤2.5mW m^-2nm^-1sr^-1时，通过高分辨率光学遥感图像人工识别出目标区域的植被的种类，再将查找出该种类植被的实际荧光参数与荧光探针的荧光值进行对比，如荧光探针符合相应的参数范围，则不存在隐藏地物；如荧光探针不符合相应的参数范围，则存在隐藏地物；若荧光探针的荧光值＞2.5mW m^-2nm^-1sr^-1时，则不存在隐藏地物。

进一步，所述步骤S2采用荧光3FLD提取算法将扫描获得数据进行提取，获得荧光图像数据并存储数据。

进一步，所述高光谱成像光谱仪为Headwall高分辨率成像光谱仪。

进一步，所述遥感图像预处理为对遥感高分辨率光学遥感图像上的数据的进行辐射校正、大气校正和影像裁剪。

本发明的机理为：植被的叶绿素荧光在自然光下非常微弱，只相当于植被吸收光能的0.5％-2％，然而由于大气对太阳光谱的吸收，到达地表的太阳光谱中有许多波段宽度为0.1-10的暗线，即夫琅和费吸收暗线：氢吸收在656nm形成的H_α暗线；大气中氧分子吸收在760nm和687nm附近形成的O₂-A暗线和O₂-B暗线。在夫琅和费吸收暗线波段，植物的反射光也很微弱，荧光凸显，表现为植被的表观反射率大于真实的反射率。

有益效果：本发明提出基于旋翼无人机机载高光谱成像光谱仪提取植被荧光探针对以植被为背景的伪装目标进行探测识别。该技术方案对植被伪装技术有很好的探测作用，在国防领域可以有着广泛的应用。同时叶绿素荧光是植物所发出的微弱光芒，可以指示植物细胞生理生化过程，及时准确反映植物光合作用的真实工作状态、诊断植物的健康状况等。

附图说明

图1、日光诱导叶绿素荧光辐亮度和反射率光谱图(引自Meroni et al.,2009)，其中(A)为荧光辐亮度，(B)为反射率光谱。

图2、荧光算法的基本原理示意图(引自Meroni et al.,2009)，其中(A)为太阳的辐照度光谱，(B)为观测的地物总的辐亮度光谱叶绿素荧光和绿色植被反射率光谱图。

图3、本发明所述的无人机上的高光谱成像光谱仪对目标区域进行扫描的示意图。

图4、采用荧光3FLD提取算法逐行计算测量的光谱图像中每个像元的荧光值得出整幅图相关的荧光值特征的过程示意图。

具体实施方式

下面结合附图，对本发明作详细说明。

实施例1

本实例在北京怀柔地区开展基于载有Headwall高分辨率成像光谱仪旋翼无人机和超光谱分辨率的卫星(例如碳卫星)对以植被为背景的隐藏目标进行探测识别。选用具有高载重的无人机(例如大疆T16无人飞机)，采用了T16植保无人飞机重塑了整体结构，采用模块化设计，带来了DJI大疆无人飞机的高载重与宽喷幅。强大的硬件协同AI智能引擎技术及三维作业规划功能，将作业效率提升至新高度。

如图3所示，一种基于旋翼无人机的植被背景下隐藏地物的探测方法，包括如下步骤：

步骤S1：采用了搭载Headwall高光谱成像光谱仪的大疆T16旋翼无人机(信噪比680:1，光谱分辨率≤0.25半高宽(FWHM),空间像素≤1600，光谱通道：670-780nm,全反射同心光学设计)，将该旋翼无人机悬停与待探测的目标区域上空；

步骤S2：旋翼无人机悬停后，通过Headwall高分辨率成像光谱仪对目标区域进行逐行扫描，通过Headwall高分辨率成像光谱仪上的Matlab程序，实时对扫描获得数据采用荧光提取算法(即荧光3FLD提取算法)进行提取，获取荧光图像数据并存储在数据存储介质之中；

其中，步骤S2中荧光提取算法计算荧光值信息的过程如下：

荧光提取算法是基于Headwall高分辨率成像光谱仪，利用自带的Matlab程序，实时通过荧光3FLD提取算法直接计算得出整幅图相关的荧光值特征。其过程是利用基于辐亮度的3FLD算法逐行计算测量的光谱图像中每个像元的荧光值，直至完成整幅图像荧光信息的计算，如图4所示。

荧光提取算法原理是根据太阳的辐照度光谱和地物辐亮度光谱，采取3FLD算法进行叶绿素荧光探针的提取，利用一个在夫琅和费线内的波段(λin)和一个(或多个)在夫琅和费线外的波段(λout)的表观辐亮度，基于自然光激发的荧光对“夫琅和费井”的填充程度，获取荧光信息(如图2所示)，荧光3FLD提取算法的计算公式如下：

F＝f(L(λ_in),L(λ_out-1),L(λ_out-2),.....,L(λ_out-n))

式中：L(λ_in)为夫琅和费线内波段的表观辐亮度，L(λ_out-i)为夫琅和费线外第I∈[1,n]波段的表观辐亮度。

步骤S3：通过卫星获取目标地区的遥感高分辨率光学遥感图像，对步骤S3得到的荧光图像数据和高分辨率光学遥感图像进行预处理得到荧光值信息，所述预处理为遥感图像预处理、图像配准、融合、分类和剔除非植被图像信息；所述非植被图像信息如公路或者裸地、河流等典型地物；

步骤S3中遥感图像预处理具体过程如下：

遥感图像预处理采用遥感软件ENVI进行数据的预处理(将位于不通坐标系下同一场景的二幅或多幅影像寻找一种特定的几何变换，将两幅或多幅图像变换到同一坐标系的过程)包括辐射校正、大气校正、影像裁剪。具体步骤：(1)图像源文件信息查看(2)辐射校正：将卫星传感器捕获的瞬时视场角值转化为传感器上空的反射值(ENVI里面的DataSpecial-utilities)(3)大气校正：将计算的点的辐射值进行大气校正，消除大气层吸收、散射的影响，获取地面对照地物的反射率(ENVI里面的FLAASH功能)(4)图像裁剪：将卫星数据与地图有机配合起来，将卫星数据按所要求的地理空间裁剪出来，让计算机只分析我们感兴趣的地点(ENVI里面的Masking功能)。

荧光特征图像与遥感图像进行配准步骤如下：(1)通过利用互相关函数，评价两块影像的相似性以确定同名点。即首先取出以待定点为中心的小区域中的影像信号，然后取出其在另一影像中相应区域的影像信号，计算二者的相关函数，以相关函数最大值对应的相应区域中心点为同名点。Image Registration Workflow工具需要两幅影像，其中一幅是基准影像，另一幅则是待配准影像。配准工具支持的数据格式有：ENVI,TIFF,NITF,JPEG2000,JPEG,基准图像包括标准的地图坐标或者RPC信息；待配准影像没有严格约束，但如果没有坐标信息，需要手动选择至少3个同名点。Image Registration Workflow工具中进行图像自动配准的特定步骤如下：①选择图像配准的文件；②生成Tie点；③检查Tie点和待配准图像；④输出图像配准的结果。整个过程是在流程化操作Image Registration Workflow工具中完成的。

荧光特征图像与配准后的图像融合具体步骤为：①选择File>Open，将荧光特征数据.img和配准后的待融合数据.img分别打开。②在Toolbox中，打开/Image Sharpening/Gram-Schmidt Pan Sharpening，在文件选择框中分别选择荧光特征数据.img和配准后的待融合数据.img影像，单击OK。打开Pan Sharpening Parameters面板。③在PanSharpening Parameters面板中，选择传感器类型(Sensor)：Unknown，重采样方法(Resampling)：Cubic Convolution，输出格式为：ENVI。④选择输出路径及文件名，单击OK执行融合处理。

图像融合的分类具体步骤：①类别定义②样本选择，在图层管理器Layer Manager中，图层上右键，选择New region of interest,打开Region of interest(ROI)tool面板(ROI Color设置(0,153,0))③分类器选择，选择神经网络(Neural Net)④影像分类，选择支持向量机分类方法⑤分类后处理。

步骤S4：采用夫琅禾费暗线方法从预处理后的荧光值信息中提取荧光探针(即为紫外-可见-近红外区提取的荧光信号)，根据荧光探针进行判定该目标区域是否存在隐藏地物，若荧光探针的荧光值＜0.1mWm^-2nm^-1sr^-1时，则判定该目标区域存在隐藏地物；若荧光探针在0.1≤荧光探针的荧光值≤2.5mW m^-2nm^-1sr^-1之间时，通过高分辨率光学遥感图像人工识别出目标区域的植被的种类，再将该种类植被的实际荧光参数与荧光探针的荧光值进行对比，植被的实际荧光参数可从公开的出版物中查找，公开的出版物包括但不限于专利文献、科学技术杂志、科学技术书籍、学术论文、专业文献、教科书等，本实施例提供了从期刊文献中查找的一些常见植物荧光参数，如表1所示，如荧光探针符合相应的参数范围，则不存在隐藏地物；如荧光探针不符合相应的参数范围，则存在隐藏地物；若荧光探针的荧光值＞2.5mW m^-2nm^-1sr^-1时，则不存在隐藏地物。

步骤S4中夫琅和费线提取算法(Franuhofer Line Deiscrimination,FLD),该算法假定荧光值不变，但是假定反射率在很窄的范围内线性变化，需要1个夫琅禾费线内的波段和2个分别位于夫琅禾费线外的波段计算得到，用以下公式进行提取出荧光探针；

式中：L(λ_in)为夫琅和费线内波段的表观辐亮度，L(λ_out)为夫琅和费线外波段的表观辐亮度，E(λ_in)为夫琅和费线内的辐照度，E(λ_out)为夫琅和费线外的辐照度。

表1.从Web of science数据库中检索到的SCI文献中记载的一些常见植物的荧光参数汇总表。