無論是對戰斗部爆炸威力進行評價還是計算民間防暴時震爆彈的安全半徑，都需分析爆炸破片的散布情況并對破片進行識別回收。當破片散落在沙土?石子以及落葉等背景時顯著性極其差，一般的相機無法準確識別出背景中的破片，而且以人工識別為代表的傳統破片識別方法效率低且易受人為主觀影響高光譜成像技術是近十幾年發展起來的集探測器件?精密光學器械?微弱信號檢測?計算機及信息處理等技術于一體的綜合性影像技術。近年來，學者利用高光譜成像進行了垃圾分類?藥品產地識別?迷彩識別?疾病診斷和手術指導等研究，將光譜識別方法應用到農業?醫學?軍事?民生等領域。
1、數據采集
破片和背景的材質差異?分子結構不同，對不同波長的光的吸收特性不同。
圖1 高光譜成像系統
根據模擬破片散布場的特點，由于沙土與破片、石子、樹葉，相對無規則且復雜，將其視為背景，通過空間分割將其去除。然后對沙土上的目標用譜域信息進行分類識別，因此需要建立包含石子和樹葉的破片識別數據庫。另取鐵質破片、石頭、樹葉若干樣本，采集它們的高光譜圖像，感興趣區域提取像素點作為樣本庫，為了使提取的樣本點具有代表性，采集數據時要進行樣本多角度采集，選取樣本點也要廣泛全面。
圖2 模擬破片散布空間圖
圖3 破片及其背景樣本圖列
2、數據處理
圖4（a）?（b）和（c）分別為破片?石子和樹葉的參考光譜
從234個波段中輸出63個特征子集，在63個波段下鐵質破片?石子和樹葉的參考光譜圖分別為如圖4（a，b，c）所示。
從圖4可知，鐵質破片?石子?樹葉在這63個波段中均存在不同位置的波峰（波谷），且波形趨勢與反射率明顯不同，表明特征選擇提取的63個特征波段可以代表原始樣本用于分類。
圖5 空譜聯合識別流程圖
針對破片高光譜圖像特點，在前期研究的基礎上，采用前后級聯空譜融合方法。在空域分割信息基礎上，對各分割區域進行譜域的類型識別，以獲得準確的目標和背景信息。具體流程如圖5所示。
圖6 空域分割結果圖
（a）：空間增強；（b）：邊緣檢測結合區域生長結果圖；
（c）：空間分割二值圖；（d）：Imagelabeler標定二值圖
圖７ 空譜聯合結果圖
（ａ）：分類結果圖；（ｂ）：最終識別結果圖
在圖７（ａ）中，黃色代表石子的像素點、銀白色代表鐵質破片、綠色代表樹葉。
3、結論
采用高光譜相機對模擬破片散落在背景中行成像，采用空譜聯合的方法對散布場中目標分類識別的可行性，對戰場破片散布識別提供了實驗方法和理論依據。
推薦：
無人機高光譜成像系統iSpecHyper-VM100
一款基于小型多旋翼無人機高光譜成像系統，該系統由高光譜成像相機、穩定云臺、機載控制與數據采集模塊、機載供電模塊等部分組成。無人機機載高光譜成像系統通過的內置式或外部掃描和穩定控制，有效地解決了在微型無人機搭載推掃式高光譜照相機時，由于振動引起的圖像質量較差的問題，并具備較高的光譜分辨率和良好的成像性能。
