一种适应温度压强变化的气体幅射谱不变特征提取方法

摘要

本发明提供一种基于幅射谱特征提取的气体目标识别方法，对气体目标谱采用一维曲率尺度空间描述方法生成指纹图，提取指纹图的指纹特征即拱形顶点的位置，以指纹特征最接近作为基准进行目标匹配识别。本发明提取不受温度和压强影响的幅射谱内蕴的稳定特征，具有抗条件变化的鲁棒性和优良区分能力，为复杂条件下基于谱的待识别提供支撑。

说明书

技术领域

本发明属于基于谱特征的时变识别领域，具体涉及一种气体幅射谱特 征提取方法。

背景技术

常规探测手段一般使用单谱段成像探测方法，在较宽的谱段上采集待 识别/背景能量，此时待识别往往淹没于复杂的背景杂波之中或被干扰、伪 装等隐蔽，表现为待识别信号非常微弱，信噪比、信杂比很低。然而待识 别对象固有的物理、化学特性和结构等与背景、干扰、伪装等有较大差别， 因此在某些谱线或较窄的谱段上，其特征会比较明显，即在这些谱线或较 窄谱段上，待识别对象相对背景的信噪比、信杂比较高。通过谱指纹的提 取，利用待识别在这些谱线上的独特的谱特征，可以大大提高待识别的可 探测性。

对待识别、背景的多光谱信息进行有效的选择、提取、分析，并将谱 信息、图像信息与时间变化信息融合起来，可实现简化系统、优化配置、 优势互补，大大提高复杂条件下待识别探测、识别的可靠性。

随着波段数量的增多，待识别探测时可以根据需要选择或提取特定的 波段突出待识别特征，光谱特征的选择变得更加灵活和多样。同时，光谱 数据中蕴含丰富的待识别光谱知识，这些光谱知识通过不同的表现和组合 方式可以转化为不同的特征，可以为待识别探测和识别提供更广泛的特征 分析空间。另外，各类地物都有自己的光谱反射和辐射特性，利用不同地 物的光谱特征，可以实现地物的分类和识别。因此，谱指纹特征提取成为 识别研究中的重要内容。

自上世纪九十年代，国外出现了进行高光谱图像待识别检测算法理论 研究的研究组，如美国马里兰大学巴尔的摩分校遥感信号和图像处理实验 室的Chang组，美国麻省理工学院林肯实验室Manolakis组等等。至今，使 用谱进行识别依然存在着难题(如图3所示)：谱会随待识别本体温度、压 强等物理条件的改变发生变化.因此，提取谱独特的不变特征成为基于谱 指纹多谱图(像)待识别与检测的重要研究内容。

发明内容

本发明的目的在于提供一种抗温度压强变化的气体幅射谱特征提取方 法，为复杂条件下的识别与检测提供良好支撑。

一种基于幅射谱特征提取的气体目标识别方法，涉及用以匹配的指纹 图库，谱指纹图库包含对多个参考谱分别采用一维曲率尺度空间描述方法 生成的指纹图，该方法具体为：

(1)对气体目标谱采用一维曲率尺度空间描述方法生成指纹图；

(2)分别提取目标谱指纹图和指纹图库中所有参考谱指纹图的指纹特 征，所述指纹特征为指纹图中拱形顶点的二维坐标值；

(3)更新参考谱指纹图R_i的所有拱形顶点的Y轴坐标值为其与高度修 正参数k_i的乘积，其中，i＝1，2…，N，N为参考谱总数，为第i个 参考谱指纹图的拱形顶点中最大的Y轴坐标值，为目标谱指纹图的拱形 顶点中最大的Y轴坐标值；

(4)在步骤(3)更新后的参考谱指纹图中，以拱形顶点位置最接近 为标准搜寻与目标谱指纹图最匹配的参考谱指纹图R_m，并记录R_m的各拱形 顶点分别与其在目标谱指纹图对应的拱形顶点的二维坐标值差异，对得到 的二维坐标值差异求和得到匹配代价：

(5)若步骤(4)计算得到的匹配代价小于判别阈值，则判定气体目 标为R对应的气体。

进一步地，所述步骤(4)具体为：

(41)对目标谱指纹图和步骤(3)更新后的参考谱指纹图的所有拱形 顶点二维坐标值分别进行归一化处理；

(42)归一化处理后，目标谱指纹图中最大Y轴坐标值的拱形顶点T_o与 参考谱指纹图R_i中最大Y轴坐标值的拱形顶点构成初始节点i＝1，2…，N；

(43)计算初始节点中T_o与的二维坐标值差异标记拱形顶点T_o和

(44)从i＝1，2…，N中选出最小者其对应参考谱指纹图记为 R_m；若目标谱和R_m均存在未标记拱形顶点，进入步骤(45)，若仅有目标谱 或仅有参考谱指纹图R_m存在未标记拱形顶点，进入步骤(46)，若目标谱和 参考谱指纹图R_m均不存在未标记拱形顶点，进入步骤(47)；

(45)分别在目标谱和参考谱指纹图R_m内未标记的拱形顶点中寻找Y 轴坐标值最大的拱形顶点构成节点，计算该节点中两顶点的二维坐标值差 异Δ，更新标记该节点中的两拱形顶点，返回步骤(44)；

(46)计算目标谱或参考谱指纹图R_m中的未标记拱形顶点的二维坐标 值之和Δ，更新标记这些未标记拱形顶点，返回步骤(44)；

(47)记R_m为目标谱指纹图最匹配的参考谱指纹图，为匹配代价， 结束。

本发明的技术效果体现在：

在条件发生变化所引起的谱表观上的改变后能有效地获取谱内蕴的不 变特征，不受建立谱数据库时对样本采集的条件影响，为适应复杂条件下 识别与检测奠定良好基础。本发明提出谱指纹特征提取的新策略，解决提 取不变特征的问题，为基于谱特征的复杂条件下识别提供支撑。

附图说明

图1为本发明步骤流程图；

图2为本发明效果流程图；

图3为谱线在不同物理条件下的变化，图3(a)为气体二氧化碳在不同 温度下的幅射谱；图3(b)为气体二氧化碳在不同压强下的幅射谱；

图4为气体二氧化碳在温度变化下的谱特征提取结果.图4(a)为气体二 氧化碳不同温度下的辐射谱；图4(b)为此物质在实线幅射谱的谱指纹图； 图4(c)为此物质在虚线代表幅射谱的谱指纹图；图4(d)为初始特征分布； 图4(e)为修正后特征分布。

图5为同类物质在压强变化下的谱特征提取结果.图5(a)为气体二氧 化碳不同压强下的辐射谱；图5(b)为此物质在虚线表示的幅射谱的谱指纹 图；图5(c)为此物质在实线表示的幅射谱的谱指纹图；图5(d)为初始特征 分布；图5(e)为修正后特征分布。

图6为同类物质在温度和压强同时变化下的谱特征提取结果.图6(a) 二氧化碳不同物理状态(温度、压强均改变)下的辐射谱；图6(b)虚线表示 的幅射谱的指纹图；图6(c)实线表示的幅射谱的指纹图；图6(d)初始特 征分布；图6(e)修正后特征分布。

图7为异类物质的谱特征提取结果.图7(a)为两种不同物质的辐射谱. 图7(b)为虚线代表谱指纹图；图7(c)为实线代表谱指纹图；图7(d)为初始 特征分布；图7(e)为修正后特征分布。

具体实施方式

本发明的不变特征是指在多谱和超谱探测传感器条件下能获取的与待 识别相关的独特的谱特征，并且该谱特征在不同的环境条件下保持不变。

本发明处理流程如图1和2所示，具体为：

(1)对参考谱和待识别谱分别使用一维曲率尺度空间(CSS)生成指纹 图。

①创建一张空的指纹图，建立二维坐标轴，其中X轴代表波数，Y轴到 表尺度参数；

②选用一个较小的尺度参数值作为当前尺度参数；

③依据当前尺度参数生成一维高斯核，并把谱数据视为一维矢量数据 与当前尺度参数对应的的一维高斯核进行卷积运算；

④对卷积后得到的结果求二阶导数，记录二阶导数过零点出现的位置 信息(包括波数和尺度参数)，在步骤①中创建的指纹图对应位置上作标 记；

⑤获取更大的尺度参数，重复进行步骤③至④，直到不再产生新的 二阶导数过零点为止。

(2)提取初始指纹特征

指纹图在表观上为若干拱形，以拱形的高度(即Y轴坐标)和位置(即X轴 坐标)为初始指纹特征。

(3)初始特征修正

以参考谱指纹图中最高拱形的顶点高度为标准，对待识别谱指纹图中 最高拱形的顶点进行高度拉伸，使其与前者重合.计算高度修正参数：

待识别谱指纹所有拱形高度乘以NormRatio进行归一化。

(4)匹配代价计算

在步骤(3)更新后的参考谱指纹图中，以拱形顶点位置最接近为标准 搜寻与目标谱指纹图最匹配的参考谱指纹图R_m，并记录R_m的各拱形顶点分 别与其在目标谱指纹图对应的拱形顶点的二维坐标值差异，对得到的二维 坐标值差异求和得到匹配代价。

一种最简单直接的方法就是分别计算待识别谱指纹图和目标谱指纹图 库中的所有指纹图的匹配代价，匹配代价最低对应的目标谱指纹图为最终 匹配代价。

在实际操作中，为了提高计算速度，实现算法性能优化，可以采用以下 深度优先搜索的策略来完成.

本发明两个指纹图的匹配代价是采用A*算法的特例均衡代价算法 (Uniform Cost Algorithm)进行改进后得到的。该算法的功能是将一个指纹 图(模板图)中的全部拱形与另一个指纹图(目标图)中的全部或部分拱 形进行最佳匹配。算法步骤如下：

设待识别指纹图为O，模板库指纹图为R_i，i＝1，2…，N匹配任务具体为在 i＝1，2…，N中拱形顶点整体上寻找与O的拱形顶点最相近的指纹图。

(41)对所有指纹图(即O，i＝1，2…，N)的XY轴分别归一化至0到1，匹 配任务从较高拱形开始；在实际操作中可忽略高度过小的拱形，其目的是去 除噪声等因素的干扰.可设置拱形过滤阈值为5％(可取范围1％-10％)，即 高度小于最高拱形5％将被忽略.

(42)创建初始结点。目标谱指纹图中最大Y轴坐标值的拱形顶点T_o与参考谱指纹图R_i中最大Y轴坐标值的拱形顶点构成初始节点i＝1，2…，N。因为模板库中有3个指纹图，因此O与i＝1，2…，N共生成N个初 始结点。

(43)计算初始结点的匹配代价.匹配代价的计算为两个配对拱形顶点 分别在X，Y轴的差异之和.对已配对的拱形进行标记。

下面描述一个例子.

设待识别指纹图为A，参考指纹图为B₁，B₂，B₃。A中拱形顶点坐标为 (0.2，0.4)，(0.6，0.9)和(0.9，0.2).B₁中拱形顶点坐标为(0.1，0.4)和 (0.8，0.6)，B₂中拱形顶点坐标为(0.2，0.5)，(0.2，0.7)和(0.8，0.2)，B₃中拱形顶点坐标为(0.4，0.7)，(0.5，0.3)，(0.8，0.4)和(0.9，0.5)。

A中最高拱形顶点坐标为(0.6，0.9)，B₁，B₂，B₃中最高拱形顶点坐分别为 (0.8，0.6)，(0.4，0.7)和(0.2，0.7)，A中最高拱形顶点分别与B₁，B₂，B₃中最 高拱形顶点创建初始结点，标记以上拱形顶点，进行匹配计算。设两个拱形 顶点坐标分别为(x₁，y₁)和(x₂，y₂)，匹配代价计算公式为

MC＝abs(x₂-x₁)+abs(y₂-y₁)

abs()表示取绝对值，根据上式计算得结点AB₁匹配代价为0.5，AB₂匹配 代价为0.6，AB₃匹配代价为0.4。结点AB₃匹配代价最低，对其进行扩展，在 A与B₃中未标记的拱形顶点中寻找最高的一对，进行权利要求书中步骤(44) 至(47)，最终得到AB₂匹配代价为0.6。

(5)识别判别

当匹配代价小于判别阈值时，待识别对象被判为目标；反之，待识别对 象被判为非目标..其中阈值为经验值，一般的做法是取一待识别目标与目标 指纹图库中的所有样本进行匹配计算，将获得一个匹配代价的最大值，阈 值取最大匹配代价的1％-10％。

下面列举几个实例。

实例一

在本实例中进行同类物质不同温度下辐射谱的指纹图匹配测试。

选取气体二氧化碳在不同温度下的幅射谱数据进行测试.谱数据如图 4(a)所示。图4(a)为气体二氧化碳不同温度下的辐射谱，其中实线代表气体 二氧化碳在温度为296K下的幅射谱，虚线代表气体二氧化碳在温度为460K 下的幅射谱。

第一步：生成CSS指纹图。

1.创建一张空的指纹图，X轴为波数，Y轴为尺度参数；

2.设定初始的高斯核尺度参数为1，尺度参数的增量步长为0.5；

3.根据当前尺度参数生成一维高斯核；

4.把谱数据矢量与3中得到的一维高斯核进行卷积运算，对卷积后得到的 结果求二阶导数，记录二阶导数过零点出现的位置.在1中创建的指纹 图Y轴(即尺度参数)为1的地方标记二阶导数过零点出现的波数位置。

5.根据尺度参数的增量步长计算下一个待运算的尺度参数，重复3和4，直 至不再产生新的二阶导数过零点。

6.指纹图生成.结果如图4(b)和4(c)所示.

第二步：提取初始指纹特征。

指纹图在表观上为若干拱形，以拱形的高度(即Y轴坐标)和位置(即X轴 坐标)为初始指纹特征.拱形的形成是由一对二阶导数过零点随着尺度参数 的增大逐渐消失的过程。

计算结果如表1和2所示，初始指纹特征如图4(d)，圆点代表待识别谱，方 点代表目标谱。表1参考谱指纹特征

  X(波数)   0.4571   0.2857   0.8266   0.1357   Y(尺度)   0.8400   0.2800   0.3600   0.1000

表2待识别谱指纹始特征：

  X(波数)   0.5000   0.2786   0.8429   0.12869   Y(尺度)   0.5000   0.2786   0.8429   0.1286

第三步：初始特征修正。

以参考谱指纹图中最高拱形的顶点高度为标准，对待识别谱指纹图中最 高拱形的顶点进行高度拉伸，使其与前者重合。计算归一化参数：

待识别谱指纹所有拱形高度乘以NormRatio进行归一化。

计算结果如表3和4所示，初始特征分布如图4(e)，圆点代表待识别谱， 方点代表目标谱。

表3修正后的参考谱指纹特征

  X(波数)   0.4571   0.2857   0.8286   0.1357   Y(尺度)   0.8400   0.2800   0.3600   0.1000

表4待识别谱修正后特征：

  X(波数)   0.3571   0.2786   0.8429   0.1286   Y(尺度)   0.8400   0.2809   0.3326   0.1800

第四步：计算匹配代价。

根据A*算法的特例均衡代价算法(Uniform Cost Algorithm)计算得到 匹配代价为0.40。

第五步：识别判别。

匹配代价小于阈值1，待识别谱被判为二氧化碳。

实例二

在本实例中进行同类物质不同压强下辐射谱的指纹图匹配测试。

选取气体二氧化碳在不同压强下的幅射谱数据进行测试.谱数据如图 5(a)所示。图5(a)为气体二氧化碳不同压强下的辐射谱，其中实线代表气体 二氧化碳在压强为0.1MPa下的幅射谱，虚线代表气体二氧化碳在压强为 0.2MPa下的幅射谱。

第一步：生成CSS指纹图。

对参考谱和待识别谱分别进行步骤1至6。

1.创建一张空的指纹图，X轴为波数，Y轴为尺度参数；

2.设定初始的高斯核尺度参数为1，尺度参数的增量步长为0.5；

3.根据当前尺度参数生成一维高斯核；

4.把谱数据矢量与3中得到的一维高斯核进行卷积运算，对卷积后得到的结 果求二阶导数，记录二阶导数过零点出现的位置.在1中创建的指纹图Y轴 (即尺度参数)为1的地方标记二阶导数过零点出现的波数位置。

5.根据尺度参数的增量步长计算下一个待运算的尺度参数，重复3和4，直 至不再产生新的二阶导数过零点。

6.指纹图生成.结果如图5(b)和5(c)所示。

第二步：提取初始指纹特征。

指纹图在表观上为若干拱形，以拱形的高度(即Y轴坐标)和位置(即X轴 坐标)为初始指纹特征.拱形的形成是由一对二阶导数过零点随着尺度参数 的增大逐渐消失的过程。

计算结果如表6和7所示，初始特征分布如图5(d)圆点代表待识别谱， 方点代表目标谱。

表5参考谱指纹特征

  X(波数)   0.4571   0.2929   0.8286   Y(尺度)   0.8240   0.3600   0.3000

表6待识别谱指纹特征

  X(波数)   0.4714   0.2857   0.8214   0.1371   Y(尺度)   0.9080   0.3240   0.3040   0.0880

第三步：初始特征修正。

以参考谱指纹图中最高拱形的顶点高度为标准，对待识别谱指纹图中最 高拱形的顶点进行高度拉伸，使其与前者重合.计算归一化参数：

待识别谱指纹所有拱形高度乘以NormRatio进行归一化。

计算结果如表8和9所示，初始特征如图5(e)，圆点代表待识别谱，方 点代表目标谱。

表7修正后的参考谱指纹特征

  X(波数)   0.4571   0.2929   0.8543   Y(尺度)   0.8240   0.3600   0.3000

表8修正后的待识别谱指纹特征：

  X(波数)   0.4714   0.2857   0.8214   0.1371   Y(尺度)   0.8240   0.2940   0.2758   0.0798

第四步：计算匹配代价.

根据A*算法的特例均衡代价算法(Uniform Cost Algorithm)计算得到 匹配代价为0.45。

第五步：识别判别。

匹配代价小于阈值1，待识别谱被判为二氧化碳。

实例三

在本实例中进行同类物质温度和压强同时改变下辐射谱的指纹图匹配 测试。选取气体二氧化碳在不同温度和压强时的幅射谱数据进行测试.谱数 据如图6(a)所示。图6(a)二氧化碳不同物理状态(温度、压强均改变)下的辐 射谱.其中实线代表二氧化碳在温度为172K，压强为0.1MPa下的辐射谱； 虚线代表二氧化碳在温度为296K，压强为0.2MPa下的辐射谱。

第一步：生成CSS指纹图。

对参考谱和待识别谱分别进行步骤1至6。

1.创建一张空的指纹图，X轴为波数，Y轴为尺度参数；

2.设定初始的高斯核尺度参数为1，尺度参数的增量步长为0.5；

3.根据当前尺度参数生成一维高斯核；

4.把谱数据矢量与3中得到的一维高斯核进行卷积运算，对卷积后得到的 结果求二阶导数，记录二阶导数过零点出现的位置.在1中创建的指纹图Y 轴(即尺度参数)为1的地方标记二阶导数过零点出现的波数位置。

5.根据尺度参数的增量步长计算下一个待运算的尺度参数，重复3和4，直 至不再产生新的二阶导数过零点。

6.指纹图生成.结果如图6(b)和6(c)所示。

第二步：提取初始指纹特征。

指纹图在表观上为若干拱形，以拱形的高度(即Y轴坐标)和位置(即X轴 坐标)为初始指纹特征.拱形的形成是由一对二阶导数过零点随着尺度参数 的增大逐渐消失的过程。

计算结果如表9和10所示，初始特征分布如图6(d)，红色代表待识别谱，蓝 色代表目标谱。

表9参考谱初始特征

  X(波数)   0.48   0.27   0.84   0.13   Y(尺度)   0.83   0.23   0.21   0.06

表10待识别谱初始特征：

  X(波数)   0.49   0.28   0.82   Y(尺度)   0.91   0.23   0.20

第三步：初始特征修正。

以参考谱指纹图中最高拱形的顶点高度为标准，对待识别谱指纹图中最 高拱形的顶点进行高度拉伸，使其与前者重合.计算归一化参数：

待识别谱指纹所有拱形高度乘以NormRatio进行归一化。

计算结果如表11和12所示，初始特征如图6(e)，红色代表待识别谱，蓝色 代表目标谱。

表11参考谱修正特征

  X(波数)   0.4857   0.2786   0.8429   0.1357   Y(尺度)   0.8333   0.2333   0.2167   0.0667

表12待识别谱修正特征：

  X(波数)   0.4929   0.2857   0.8286   Y(尺度)   0.8333   0.2030   0.1848

第四步：计算匹配代价。

根据A*算法的特例均衡代价算法(Uniform Cost Algorithm)计算得到 匹配代价为2.6。

第五步：识别判别。

匹配代价小于阈值1，待识别谱被判为与参考谱是二氧化碳。

实例四

在本实例中进行异类物质辐射谱的指纹图匹配测试。选取气体二氧化碳 和航空煤油JET A-1燃烧产生的混合气体的幅射谱数据进行测试.谱数据如 图7(a)所示。图7(a)为两种不同物质的辐射谱，其中实线代表航空煤油JET A-1露天燃烧产生混合气体的辐射谱；虚线代表二氧化碳在温度为296K，压 强为0.2MPa下的幅射谱。

第一步：生成CSS指纹图。

对参考谱和待识别谱分别进行步骤1至6。

1.创建一张空的指纹图，X轴为波数，Y轴为尺度参数；

2.设定初始的高斯核尺度参数为1，尺度参数的增量步长为0.5；

3.根据当前尺度参数生成一维高斯核；

4.把谱数据矢量与3中得到的一维高斯核进行卷积运算，对卷积后得到的 结果求二阶导数，记录二阶导数过零点出现的位置.在1中创建的指纹图Y 轴(即尺度参数)为1的地方标记二阶导数过零点出现的波数位置。

5.根据尺度参数的增量步长计算下一个待运算的尺度参数，重复3和4，直 至不再产生新的二阶导数过零点。

6.指纹图生成.结果如图7(b)和7(c)所示。

第二步：提取初始指纹特征。

指纹图在表观上为若干拱形，以拱形的高度(即Y轴坐标)和位置(即X轴 坐标)为初始指纹特征.拱形的形成是由一对二阶导数过零点随着尺度参数 的增大逐渐消失的过程。

计算结果如表13和14所示，初始特征分布如图7(d)，圆点代表待识别谱，方 点代表目标谱。

表13参考谱指纹特征

  X(波数)   0.4571   0.2857   0.8286   0.1357   Y(尺度)   0.7000   0.2333   0.3000   0.0833

表14待识别谱指纹始特征：

  X(波数)   0.5429   0.2571   0.8786   0.2286   Y(尺度)   0.9000   0.2333   0.0833   0.0667

第三步：初始特征修正。

以参考谱指纹图中最高拱形的顶点高度为标准，对待识别谱指纹图中最 高拱形的顶点进行高度拉伸，使其与前者重合.计算归一化参数：

待识别谱指纹所有拱形高度乘以NormRatio进行归一化。

计算结果如表15和16所示，初始特征如图7(e)，圆点代表待识别谱，方点 代表目标谱。

表15修正后的参考谱指纹特征

  X(波数)   0.4571   0.2857   0.8286   0.1357   Y(尺度)   0.7000   0.2333   0.3000   0.0833

表16修正后的待识别谱指纹特征：

  X(波数)   0.5429   0.2571   0.8786   0.2286   Y(尺度)   0.7000   0.1815   0.0648   0.0519

第四步：计算匹配代价。

根据A*算法的特例均衡代价算法(Uniform Cost Algorithm)计算得到匹 配代价为3.6。第五步：识别判别。

匹配代价大于阈值1，待识别谱被判为与参考谱是异类物质。

综上实例一至四可见，本发明用于气体辐射谱的特征提取中均不受温度 和压强变化的影响，并且具有良好的物质辨别和区分能力。