eng
TS_pub
technospheramag
technospheramag
ТЕХНОСФЕРА_РИЦ
Выпуск #3/2023
Ф. Г. Агаев, Х. Г. Асадов, Г. В. Алиева
Узкодиапазонный сигнатурный двухволновый метод фотометрического контроля и обнаружения объектов известной конфигурации на фоне растительности
Узкодиапазонный сигнатурный двухволновый метод фотометрического контроля и обнаружения объектов известной конфигурации на фоне растительности
Просмотры: 1162
DOI: 10.22184/1993-7296.FRos.2023.17.3.232.237
Изложены теоретические основы предлагаемого двухдиапазонного узко спектрального метода фотометрического контроля и обнаружения искомых объектов известной конфигурации на фоне леса. Обнаружение искомого объекта осуществляется путем вычисление по предлагаемым формулам его NIR- и RED- узкополосных сигнатур на интервалах длин волн шириной Δλ, плотно прилегающих к зоне «красного перехода» в спектре отражения растительности и дальнейшего сравнения этих сигнатур с соответствующими сигнатурами растительности. Предлагаемый метод предусматривает наличие априорных данных о спектральных сигнатурах леса, а также об отношении площадей леса и искомого объекта в формируемом изображении.
Изложены теоретические основы предлагаемого двухдиапазонного узко спектрального метода фотометрического контроля и обнаружения искомых объектов известной конфигурации на фоне леса. Обнаружение искомого объекта осуществляется путем вычисление по предлагаемым формулам его NIR- и RED- узкополосных сигнатур на интервалах длин волн шириной Δλ, плотно прилегающих к зоне «красного перехода» в спектре отражения растительности и дальнейшего сравнения этих сигнатур с соответствующими сигнатурами растительности. Предлагаемый метод предусматривает наличие априорных данных о спектральных сигнатурах леса, а также об отношении площадей леса и искомого объекта в формируемом изображении.
Теги: detection forests narrow-band method photometric control red edge signature красный переход леса обнаружение сигнатура узкоспектральный метод фотометрический контроль
Узкодиапазонный сигнатурный двухволновый метод фотометрического контроля и обнаружения обьектов известной конфигурации на фоне растительности
Ф. Г. Агаев, Х. Г. Асадов, Г. В. Алиева
Национальное аэрокосмическое агентство, г. Баку, Азербайджанская Республика
Изложены теоретические основы предлагаемого двухдиапазонного узко спектрального метода фотометрического контроля и обнаружения искомых объектов известной конфигурации на фоне леса. Обнаружение искомого объекта осуществляется путем вычисление по предлагаемым формулам его NIR- и RED- узкополосных сигнатур на интервалах длин волн шириной Δλ, плотно прилегающих к зоне «красного перехода» в спектре отражения растительности и дальнейшего сравнения этих сигнатур с соответствующими сигнатурами растительности. Предлагаемый метод предусматривает наличие априорных данных о спектральных сигнатурах леса, а также об отношении площадей леса и искомого объекта в формируемом изображении.
Ключевые слова: сигнатура, красный переход леса, обнаружение, узкоспектральный метод, фотометрический контроль
Статья получена: 30.01.2023
Статья принята: 24.02.2023
Введение
Задача фотометрического контроля и обнаружения объектов, на фоне лесов с применением гиперспектральной техники решалась в ряде работ, например в [1, 2]. Решение этой задачи актуально в целях обеспечения вопросов безопасности, задач поиска и спасения, организации борьбы с нарушителями границы, обнаружения объектов противника во время военных конфликтов и др. Вместе с тем, как отмечается в [2], решение этой задачи весьма затруднительно, в основном из-за высокой степени изменчивости фона, включая состава растительности, текстуры фона и условий освещенности. Частном случаем этой задачи является обнаружение на фоне лесов объектов с известной площадью поверхности. Такими объектами могут быть люди, различные животные, автомобили, военная техника и др., площадь поверхности которых априорно известна. Согласно [3], фоновые объекты в общем случае обладают не только коэффициентом эмиссии и термодинамической температурой, но и содержат такие эффекты как отражение радиации неба и Солнца, влияние температуры поверхности земли.
Общая схема дистанционного определения показателей таких наземных объектов заключается в следующем. В широком диапазоне длин волн следует решить следующую задачу минимизации разности Δ, используя метод наименьших квадратов:
, (1)
где: λ – длина волны;
εg – коэффициент эмиссии искомого «серого» объекта;
Tg – температура этого же объекта;
Lmeans.cor – атмосферно-скорректированная измеренная радиация. Последняя величина определяется как:
, (2)
где: Lmeans(λ) – измеренная радиация с обьекта; Latm(λ) – исходная атмосферная радиация; τ(λ) – оптическая толщина атмосферы.
Таким образом процедура (1)–(2) позволяет путем выбора εg, Tg уподобить фотометрически контролируемый объект к модели «серого» тела.
Вместе с тем такой общий подход к идентификации различных объектов в качестве «серого» тела очевидно не позволяет решать задачу идентификации объектов, находящихся на фоне со сложной отражательной спектральной характеристикой, каковым являются скопление деревьев или массив лес.
Растительность, и в частности деревья обладают специфическим отражательным спектром, обладающим несколькими интересными узкополосными зонами, позволяющими использование узкополосных сигнатур для обнаружения объектов, находящихся на фоне лесов.
К теории и практике использования узкополосных сигнатур посвящено ряд работ (см. например [4–6]). Согласно [4], использование узкополосных сигнатур определенно полезно, если сам источник излучает или отражает радиацию в узком диапазоне длин волн. Вместе с тем, узкополосные спектральные сигнатуры также могут быть полезными, если известна некоторая априорная связь между этими сигнатурами. Применительно к исходной задаче обнаружения и идентификации объектов на фоне леса рассмотрим возможность формирования узкополосных сигнатур.
Как отмечается в работе [7], основная особенность отражательного спектра растительности заключается в эффекте крутого «красного перехода», что иллюстрируется на рис. 1.
Согласно [7] хлорофилл, имеющийся в растениях, сильно поглощает электромагнитную радиацию в синей (400–500 нм) и красной (600–700 нм) зонах. В ближней инфракрасной зоне пигменты ничтожно поглощают радиацию, в результате чего формируется зона красного перехода в диапазоне длин волн 700–730 нм. При этом эффект красного перехода имеет универсальный характер для растительности. Однако крутизна «красного перехода» зависит от ряда факторов, таких как тип растения, фенология, наличие стресса у растения. Далее, в настоящей статье излагается предлагаемый метод фотометрического контроля и обнаружения различных объектов, с известной площадью поверхности, расположенных на фоне леса с применением узкополосных спектральных сигнатур, спектральные области которых плотно прилегают к области λ1 ÷ λ2 справа и слева имея ширину Δλ (рис. 1).
Метод фотометрического контроля
Допустим, что мы имеем оптическую систему, строящую изображение объекта (рис. 2). Ее спектральный диапазон охватывает интервал длин волн [(λ1 − Δλ) ÷ (λ1 + Δλ)]. Полагаем, что с помощью детектора измерения могут быть проведены в RED- и NIR-зонах шириной Δλ, показанных на рис. 1. При этом тип и свойства фоновой растительности, в частности показатель η, определяемый как
, (3)
где: LABCD(NIR) – радиация в NIR-диапазоне, исходящая от леса, при отсутствии объектов; LABCD(RED) – радиация в RED-диапазоне, исходящая от леса, при отсутствии объекте.
Отметим, что показатель η либо априори известен, либо определяется опытным путем, при измерении в NIR- и RED-диапазонах на том участке леса, где отсутствуют какие-либо объекты на фоне растительности. Природа объекта, который мы хотим обнаружить, нам известна, также нам известна площадь поверхности объекта поиска. Тогда можно предложить следующий алгоритм действий обнаружения объекта:
Проведя измерение суммарного потока SNIR в NIR-диапазоне, найдем:
, (4)
где: ; – известная величина; индекс «0b» указывает принадлежность к объекту.
Осуществляя измерение суммарного потока SRED в RED диапазоне, находим:
. (5)
Из (3) и (4) получаем:
. (6)
Из (5) и (6) получаем:
. (7)
С учетом (4) и (5) получим:
(8)
Таким образом (7) и (8) представляют собой систему уравнений, где LΣ(лес) является дополнительно измеряемым параметром леса в NIR- и RED-диапазонах, в той части леса, где нам достоверно известно об отсутствии каких-либо фоновых объектов.
Решение системы уравнений (7), (8) получено в виде:
, (9)
, (10)
где:
,
.
Таким образом предлагаемый метод двухволновых узкодиапазонных сигнатур позволяет проконтролировать и обнаружить искомые объекты с известной площадью поверхности, используя их фотометрические изображения на фоне массива леса путем вычисления значений узкополосных сигнатур объектов поиска и сравнения этих значений с соответствующими показателями леса. Критерием обнаружения может служить выполнение следующих условий
, (11)
. (12)
Заключение
Предложен двухдиапазонный узкоспектральный метод фотометрического контроля и обнаружения искомых объектов известной площади поверхности на фоне леса. Критерием обнаружения искомого объекта является несовпадение значений NIR- и RED-узкополосных сигнатур, леса и искомого объекта. Значения величин вычисляются на интервалах длин волн шириной Δλ, плотно прилегающих к зоне «красного перехода» в спектре отражения растительности по разработанным формулам. Предлагаемый метод предусматривает наличие априорных данных о спектральных сигнатурах леса, а также об отношении площадей леса и искомого объекта в формируемом фотометрическом изображении. Получены аналитические формулы для вычисления узкополосных спектральных сигнатур искомых объектов поиска, используемых для их контроля, обнаружения и идентификации на фоне массива леса.
REFERENCES
Olsen R. C., Bergman S., Resmini R. G. Target detection in a forest environment using spectral imagery. URL: https://www.researchgate.net/publication/228815798_Target_Detection_in_a_Forest_Environment_using_Spectral_Imagery.
Gonzalez S. A. R., Shimoni M., Plaza J., Plaza A., Renhorn I., Ahlberg J. The detection of concealed targets in woodland areas using hyperspectral imagery. Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences. IEEE Latin American GRSS & ISPRS Remote Sensing Conference (LAGIRS 2020). 2020; IV.
Nilsson P., Nelsson C. Hyperspectral analysis of IR data from a background scene. Proc. SPIE 5075. Targets and Backgrounds IX: Characterization and Representation. 5 September 2003. DOI:10.1117/12/486901.
Montoya J. R., Sutherland R. A. Narrow-band signature propagation through obscuring atmospheres. Proc. SPIE 5075. Targets and Backgrounds IX: Characterization and Representation. 5 September 2003. DOI:10.1117/12.487640.
Iqbal I. M., Balzter H., Shabbir A. Identifying the spectral signatures of invasive and native plant nspecies in two protected areas of Pakistan through field spectroscopy. Remote Sens. 2021;13:4009. DOI:10.3390/rs13194009.
Ray S. S., Jain N., Miglani A., Singh J. P., Singh A. K., Panigrahy S., Parihar J. S. Defining optimum spectral narrow bands and bandwidths for agricultural applications. Current Science. 25 May 2010; 98(10): 1365–1369.
Mohammed G. H., Noland T. L., Irving D., Sampson P. H., Zarco-Tejada P. J., Miller J. R. Natural and stress-induced effects on leaf spectral reflectance in Ontario species. Forest Research report. No 156.
Development of an IR signature model. URL: https://dspace.lib.cranfield.ac.uk/bitstream/handle/1826/2912/CHAPTER_6_july26.pdf?sequence=3&isAllowed=y.
АВТОРЫ
Агаев Фахраддин Гюльали оглы, д. т. н., профессор, Национальное аэрокосмическое агентство, г. Баку, Азербайджанская Республика.
ORCID 0000-0002-9826-0868
Асадов Хикмет Гамид оглы, д. т. н., профессор, Национальное аэрокосмическое агентство, г. Баку, Азербайджанская Республика.
ORCID 0000-0003-1180-1535
Алиева Гюнель Вагиф гызы, к. т. н., Национальное аэрокосмическое агентство, г. Баку, Азербайджанская Республика.
ORCID 0000-0001-6540-8750
Ф. Г. Агаев, Х. Г. Асадов, Г. В. Алиева
Национальное аэрокосмическое агентство, г. Баку, Азербайджанская Республика
Изложены теоретические основы предлагаемого двухдиапазонного узко спектрального метода фотометрического контроля и обнаружения искомых объектов известной конфигурации на фоне леса. Обнаружение искомого объекта осуществляется путем вычисление по предлагаемым формулам его NIR- и RED- узкополосных сигнатур на интервалах длин волн шириной Δλ, плотно прилегающих к зоне «красного перехода» в спектре отражения растительности и дальнейшего сравнения этих сигнатур с соответствующими сигнатурами растительности. Предлагаемый метод предусматривает наличие априорных данных о спектральных сигнатурах леса, а также об отношении площадей леса и искомого объекта в формируемом изображении.
Ключевые слова: сигнатура, красный переход леса, обнаружение, узкоспектральный метод, фотометрический контроль
Статья получена: 30.01.2023
Статья принята: 24.02.2023
Введение
Задача фотометрического контроля и обнаружения объектов, на фоне лесов с применением гиперспектральной техники решалась в ряде работ, например в [1, 2]. Решение этой задачи актуально в целях обеспечения вопросов безопасности, задач поиска и спасения, организации борьбы с нарушителями границы, обнаружения объектов противника во время военных конфликтов и др. Вместе с тем, как отмечается в [2], решение этой задачи весьма затруднительно, в основном из-за высокой степени изменчивости фона, включая состава растительности, текстуры фона и условий освещенности. Частном случаем этой задачи является обнаружение на фоне лесов объектов с известной площадью поверхности. Такими объектами могут быть люди, различные животные, автомобили, военная техника и др., площадь поверхности которых априорно известна. Согласно [3], фоновые объекты в общем случае обладают не только коэффициентом эмиссии и термодинамической температурой, но и содержат такие эффекты как отражение радиации неба и Солнца, влияние температуры поверхности земли.
Общая схема дистанционного определения показателей таких наземных объектов заключается в следующем. В широком диапазоне длин волн следует решить следующую задачу минимизации разности Δ, используя метод наименьших квадратов:
, (1)
где: λ – длина волны;
εg – коэффициент эмиссии искомого «серого» объекта;
Tg – температура этого же объекта;
Lmeans.cor – атмосферно-скорректированная измеренная радиация. Последняя величина определяется как:
, (2)
где: Lmeans(λ) – измеренная радиация с обьекта; Latm(λ) – исходная атмосферная радиация; τ(λ) – оптическая толщина атмосферы.
Таким образом процедура (1)–(2) позволяет путем выбора εg, Tg уподобить фотометрически контролируемый объект к модели «серого» тела.
Вместе с тем такой общий подход к идентификации различных объектов в качестве «серого» тела очевидно не позволяет решать задачу идентификации объектов, находящихся на фоне со сложной отражательной спектральной характеристикой, каковым являются скопление деревьев или массив лес.
Растительность, и в частности деревья обладают специфическим отражательным спектром, обладающим несколькими интересными узкополосными зонами, позволяющими использование узкополосных сигнатур для обнаружения объектов, находящихся на фоне лесов.
К теории и практике использования узкополосных сигнатур посвящено ряд работ (см. например [4–6]). Согласно [4], использование узкополосных сигнатур определенно полезно, если сам источник излучает или отражает радиацию в узком диапазоне длин волн. Вместе с тем, узкополосные спектральные сигнатуры также могут быть полезными, если известна некоторая априорная связь между этими сигнатурами. Применительно к исходной задаче обнаружения и идентификации объектов на фоне леса рассмотрим возможность формирования узкополосных сигнатур.
Как отмечается в работе [7], основная особенность отражательного спектра растительности заключается в эффекте крутого «красного перехода», что иллюстрируется на рис. 1.
Согласно [7] хлорофилл, имеющийся в растениях, сильно поглощает электромагнитную радиацию в синей (400–500 нм) и красной (600–700 нм) зонах. В ближней инфракрасной зоне пигменты ничтожно поглощают радиацию, в результате чего формируется зона красного перехода в диапазоне длин волн 700–730 нм. При этом эффект красного перехода имеет универсальный характер для растительности. Однако крутизна «красного перехода» зависит от ряда факторов, таких как тип растения, фенология, наличие стресса у растения. Далее, в настоящей статье излагается предлагаемый метод фотометрического контроля и обнаружения различных объектов, с известной площадью поверхности, расположенных на фоне леса с применением узкополосных спектральных сигнатур, спектральные области которых плотно прилегают к области λ1 ÷ λ2 справа и слева имея ширину Δλ (рис. 1).
Метод фотометрического контроля
Допустим, что мы имеем оптическую систему, строящую изображение объекта (рис. 2). Ее спектральный диапазон охватывает интервал длин волн [(λ1 − Δλ) ÷ (λ1 + Δλ)]. Полагаем, что с помощью детектора измерения могут быть проведены в RED- и NIR-зонах шириной Δλ, показанных на рис. 1. При этом тип и свойства фоновой растительности, в частности показатель η, определяемый как
, (3)
где: LABCD(NIR) – радиация в NIR-диапазоне, исходящая от леса, при отсутствии объектов; LABCD(RED) – радиация в RED-диапазоне, исходящая от леса, при отсутствии объекте.
Отметим, что показатель η либо априори известен, либо определяется опытным путем, при измерении в NIR- и RED-диапазонах на том участке леса, где отсутствуют какие-либо объекты на фоне растительности. Природа объекта, который мы хотим обнаружить, нам известна, также нам известна площадь поверхности объекта поиска. Тогда можно предложить следующий алгоритм действий обнаружения объекта:
Проведя измерение суммарного потока SNIR в NIR-диапазоне, найдем:
, (4)
где: ; – известная величина; индекс «0b» указывает принадлежность к объекту.
Осуществляя измерение суммарного потока SRED в RED диапазоне, находим:
. (5)
Из (3) и (4) получаем:
. (6)
Из (5) и (6) получаем:
. (7)
С учетом (4) и (5) получим:
(8)
Таким образом (7) и (8) представляют собой систему уравнений, где LΣ(лес) является дополнительно измеряемым параметром леса в NIR- и RED-диапазонах, в той части леса, где нам достоверно известно об отсутствии каких-либо фоновых объектов.
Решение системы уравнений (7), (8) получено в виде:
, (9)
, (10)
где:
,
.
Таким образом предлагаемый метод двухволновых узкодиапазонных сигнатур позволяет проконтролировать и обнаружить искомые объекты с известной площадью поверхности, используя их фотометрические изображения на фоне массива леса путем вычисления значений узкополосных сигнатур объектов поиска и сравнения этих значений с соответствующими показателями леса. Критерием обнаружения может служить выполнение следующих условий
, (11)
. (12)
Заключение
Предложен двухдиапазонный узкоспектральный метод фотометрического контроля и обнаружения искомых объектов известной площади поверхности на фоне леса. Критерием обнаружения искомого объекта является несовпадение значений NIR- и RED-узкополосных сигнатур, леса и искомого объекта. Значения величин вычисляются на интервалах длин волн шириной Δλ, плотно прилегающих к зоне «красного перехода» в спектре отражения растительности по разработанным формулам. Предлагаемый метод предусматривает наличие априорных данных о спектральных сигнатурах леса, а также об отношении площадей леса и искомого объекта в формируемом фотометрическом изображении. Получены аналитические формулы для вычисления узкополосных спектральных сигнатур искомых объектов поиска, используемых для их контроля, обнаружения и идентификации на фоне массива леса.
REFERENCES
Olsen R. C., Bergman S., Resmini R. G. Target detection in a forest environment using spectral imagery. URL: https://www.researchgate.net/publication/228815798_Target_Detection_in_a_Forest_Environment_using_Spectral_Imagery.
Gonzalez S. A. R., Shimoni M., Plaza J., Plaza A., Renhorn I., Ahlberg J. The detection of concealed targets in woodland areas using hyperspectral imagery. Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences. IEEE Latin American GRSS & ISPRS Remote Sensing Conference (LAGIRS 2020). 2020; IV.
Nilsson P., Nelsson C. Hyperspectral analysis of IR data from a background scene. Proc. SPIE 5075. Targets and Backgrounds IX: Characterization and Representation. 5 September 2003. DOI:10.1117/12/486901.
Montoya J. R., Sutherland R. A. Narrow-band signature propagation through obscuring atmospheres. Proc. SPIE 5075. Targets and Backgrounds IX: Characterization and Representation. 5 September 2003. DOI:10.1117/12.487640.
Iqbal I. M., Balzter H., Shabbir A. Identifying the spectral signatures of invasive and native plant nspecies in two protected areas of Pakistan through field spectroscopy. Remote Sens. 2021;13:4009. DOI:10.3390/rs13194009.
Ray S. S., Jain N., Miglani A., Singh J. P., Singh A. K., Panigrahy S., Parihar J. S. Defining optimum spectral narrow bands and bandwidths for agricultural applications. Current Science. 25 May 2010; 98(10): 1365–1369.
Mohammed G. H., Noland T. L., Irving D., Sampson P. H., Zarco-Tejada P. J., Miller J. R. Natural and stress-induced effects on leaf spectral reflectance in Ontario species. Forest Research report. No 156.
Development of an IR signature model. URL: https://dspace.lib.cranfield.ac.uk/bitstream/handle/1826/2912/CHAPTER_6_july26.pdf?sequence=3&isAllowed=y.
АВТОРЫ
Агаев Фахраддин Гюльали оглы, д. т. н., профессор, Национальное аэрокосмическое агентство, г. Баку, Азербайджанская Республика.
ORCID 0000-0002-9826-0868
Асадов Хикмет Гамид оглы, д. т. н., профессор, Национальное аэрокосмическое агентство, г. Баку, Азербайджанская Республика.
ORCID 0000-0003-1180-1535
Алиева Гюнель Вагиф гызы, к. т. н., Национальное аэрокосмическое агентство, г. Баку, Азербайджанская Республика.
ORCID 0000-0001-6540-8750
Отзывы читателей
