一种基于波长生长的红外预警谱段选择方法

童锡良,周 峰,余恭敏

(北京空间机电研究所,北京 100094)

1 引 言

导弹红外预警相机探测主动段导弹及尾焰的红外信号,预警谱段决定相机的光谱敏感范围。选择合适的探测谱段能提高探测率,减少虚警；反之会降低目标背景对比度,降低探测性能。

美国最早在米达斯预警试验卫星上采用2.3 μm短波红外波段,杂波干扰强。国防支援计划(DSP)预警卫星早期采用了2.7 μm短波红外单波段,预警探测性能有所改善,但虚警率较高。从第二代DSP开始,到后续的天基红外系统(SBIRS)和新一代可替代红外监视系统(AIRSS)等天基预警卫星都采用了2.7～2.9 μm和4.3～4.4 μm的短、中波红外双谱段探测方式,虚警问题得到改善。目前详细谱段和选择方法未见公开[1,2]。

针对预警探测谱段选择的模型和方法已有一些相关研究。徐琰珂等对DSP预警卫星的探测距离和信噪比进行分析,得出在2.7 μm和4.3 μm处可实现远探测距离和高信噪比[3]。范伟等考虑了目标辐射强度、大气背景辐射强度、斜程透过率等因素,以目标背景视在对比度为目标函数得到了最佳谱段[4]。叶庆等基于对比度模型,引入了大气路径程辐射、太阳散射影响,得出2.63～2.83 μm和4.18～4.50 μm为探测谱段[5]。刘尊洋等提出了一种基于点目标辐射通量表观对比度的谱段选择方法,讨论了目标高度对表观对比度的影响[6]。张光明等将信杂比作为目标函数进行探测波段选择[7]。张伟等基于综合信噪比模型,针对不同目标辐射特性与背景杂波水平,选择出了最佳探测波段2.73～2.85 μm与4.2～4.43 μm[8]。Lomheim T.S.等指出谱段选择要综合考虑背景辐射特征、大气透过率和背景杂波等因素[9]。

综合现有研究,探测谱段优化模型可分为对比度模型和信噪比模型两类。对比度是指目标和背景强度之比,包括表观辐射对比度和经过传输路径的视在对比度。信噪比是指目标信号和噪声之比,包括传统信噪比、信杂比和综合信噪比模型。

对比度模型相对简单,容易得到对比度的谱段特征,适合寻找最优探测波长；但是没有考虑探测响应部分,对谱段积分效应、噪声和背景杂波缺少讨论。信噪比模型综合考虑了探测链路上的多种影响因素,优化结果更合理,但模型需要较多输入,除了目标背景光谱辐射特征外,还需要探测器响应、噪声以及适当的杂波度量等。

现有方法一般选取特征峰值,然后进一步选择合适带宽,或者通过大量随机选择谱段样本,基于目标函数筛选。现有方法存在如下问题:在理想谱段边缘,优化方向不确定；大量随机采样的方法,采样数量多,冗余度高；谱段选择结果精度不高,容易陷入局部最优解。

本文针对预警谱段选择存在的问题,系统分析了探测谱段影响因素,综合利用目标背景对比度模型和综合信噪比模型,提出了基于中心波长生长的谱段选择方法,并针对局部最优解问题改进传统区域生长法,得到全局最优探测谱段。

2 探测谱段的影响因素分析

导弹目标和地球大气背景都表现出一定的光谱特性,大气透过率也有波长选择性,探测谱段选择需要考虑目标背景特性、大气辐射传输特性以及点目标探测模型,其中背景特性包括背景辐射光谱特性和背景杂波特性,下面对各因素进行说明。

2.1 目标辐射特性

红外预警相机主要对导弹主动段进行预警。主动段导弹尾焰和弹体蒙皮会发出强烈的红外辐射,可等效为一个温度大约为2000 K的黑体辐射源,目标总的辐射强度在1×104～5×105W/sr范围内变化。导弹推进剂燃烧后主要产物是H2O和CO2,由于分子的吸收特性,尾焰在2.7 μm、4.3 μm、6.3 μm附近有较强的红外辐射。典型弹道导弹的光谱辐射曲线如图1所示。图中是两种导弹目标主动段的归一化光谱辐射曲线,从图中可看出,目标辐射有明显的辐射峰,两种目标在短波波段的最大辐射峰分别位于在2.74 μm和2.83 μm,中波波段最大辐射峰分别位于4.26 μm和4.45 μm。谱段设置应充分利用目标光谱分布特性。

图1 两种典型目标的归一化光谱辐射特征

2.2 背景辐射特性

主动段导弹探测背景主要是地面和大气,背景的复杂多样直接影响系统探测性能。相机接收的背景能量包括地球背景的红外辐射、大气的红外辐射以及对太阳辐射能量的反射和散射。由于大气的衰减作用,可忽略大气阻塞带内的地面辐射,只需考虑大气背景辐射。利用Modtran计算得出2.5～5.0 μm谱段内大气的光谱辐射特性曲线见图2。在 2.5～3.08 μm和4.2～4.48 μm谱段范围内,背景辐亮度较低。对低背景辐射区间进行统计,在2.5～3.08 μm内,累积背景辐亮度约为1.84×10-2W/m2/sr；在4.2～4.48 μm范围内,累积背景辐亮度为1.57×10-2W/m2/sr。与其他谱段相比,这些谱段内背景强度低,引入杂波小,适合红外目标探测。

图2 2.5～5.0 μm的背景光谱辐亮度

2.3 大气传输特性

目标辐射经过大气到达相机入瞳处,辐射强度随光谱选择性衰减,衰减系数随不同目标高度而变化。

红外辐射在大气中传输会受到H2O、CO2和氧分子的吸收,空气中的悬浮颗粒还会造成散射,综合作用表现为对红外辐射的衰减。由图3大气透过率曲线可知,2.7～3.0 μm,4.2～4.5 μm是大气阻塞带,可有效抑制地球和大气背景对目标探测的影响。

根据布格尔定律,光谱辐射强度沿传递路径按指数衰减,公式如下:

Iλ,L=Iλ,0·exp-βλL

(1)

其中,Iλ,L为到达探测器的光谱辐射强度;Iλ,0为目标的有效光谱辐射强度;L为传输距离;βλ为光谱衰减系数。

主动段内随着导弹向上飞行,目标辐射在大气内的行程缩短,且大气密度减小,透过率会不断升高。利用大气传输计算软件Modtran计算在2.5～5.0 μm 波段内,不同高度目标的辐射到达空间相机的光谱透过率,得到结果如图3所示。

图3 不同高度目标的光谱透过率

2.6～2.9 μm和4.2～4.5 μm属于大气阻塞带,透过率低,地面背景产生的辐射基本无法透过,有利于减轻背景杂波干扰。这两个谱段内的透过率随高度变化曲线见图4。短波红外透过率总体高于中波红外；短波红外在5～15 km,中波红外在10～30 km区间,透过率变化比较快；若以0.5为透过率门限,则短波红外在10 km以上,中波红外在20 km以上可进行有效探测。

图4 不同高度目标的短波和中波红外大气透过率

2.4 目标背景对比度

导弹预警主要是根据目标和背景的辐射差异进行目标探测,目标背景对比度越大,探测信噪比越高。在点目标探测系统中,目标背景对比度定义如下[6,10]:

(3)

式中,It表示目标辐射强度;τa表示大气对目标辐射的透过率;LB表示大气背景辐亮度;At表示目标沿视线方向的投影面积;Ap表示瞬时视场对应目标所在位置的投影面积。一般目标辐射面积远小于瞬时视场对应的背景面积,该项可以忽略不计。

由于有些波长处背景辐亮度很小,近似为0,不便于归一化分析,采用目标背景对比度的倒数进行分析,归一化的对比度光谱曲线见图5。该比值越小,信噪比越高,越有利于探测。

图5 大气传输后背景与目标辐亮度之比

2.5 探测信噪比模型

探测器响应包括目标、背景和噪声。噪声包括杂波噪声和电子学噪声。杂波噪声主要来自背景辐亮度的空间高频波动,背景结构越复杂,高频信息越多,杂波越强。探测器电子学噪声由各种独立噪声源引起,包括光子噪声、暗电流、探测器噪声,电路噪声等。电子学噪声主要受探测器工艺和电路设计水平影响,除光子噪声外,与背景分布和强度基本无关。选用系统等效目标SET表示系统综合噪声,定义系统噪声等效目标为

(4)

其中,NET为噪声等效目标,定义为SNR为1时入瞳处的目标辐射强度；CET为杂波等效目标辐射强度,定义为SCR为1时入瞳处的目标辐射强度。

在探测谱段λ1～λ2内综合信噪比为:

(5)

其中,Tλ1～λ2是探测谱段内的目标辐射强度。

3 基于波长生长的谱段选择方法

谱段选择是为了确定最优探测谱段的左右截止波长,在过程上可以分为两步:确定中心波长,然后选择合适带宽。根据目标背景对比度的光谱分布可以确定中心波长,然后以综合信噪比为目标函数,迭代扩展找出合适谱段,该操作步骤类似区域生长法。

区域生长法普遍应用于图像处理,其基本思想是将具有相似性质的像素集合起来划分为同一区域；具体操作是对分割区域找一个种子像素作为生长起点,找出邻域中与种子点有相似性质的像素,合并到种子像素所在的区域中,不断扩展合并区域直到分割完成。该方法的关键是种子点选取、相似判定准则和生长截止条件[11-12]。将区域生长法用于谱段优化,各要素比较如表1所示。

表1 图像分割和谱段优化区域生长要素对比

理论上,中心波长的选取不会影响最终的优化区间,即在一定范围内任意选择中心波长,都可得到的相同的最优谱段。但由于目标背景对比度的光谱特性曲线不是平缓变化的,随着光谱分辨率提高,会出现局部峰谷值。从不同起点生长,可能陷入局部窄带最优,如图6所示,以λc1,λc2,λc3,λc4为中心波长分别得到局部最优谱段B1～B4。为了避免得到局部最优解,需要多取几个中心波长,根据信噪比判决门限综合局部优化结果,取各个局部谱段的连续最大并集,得出全局最优探测谱段Bt。

图6 局部谱段合并

基于中心波长生长的谱段选择方法流程见图7,具体实施描述如下:

(1)根据目标、背景辐射特征和大气光谱透过曲线计算相机入瞳处目标背景的辐亮度对比度,确定中心波长范围。

(2)选择中心波长,分别向左、向右扩展谱段范围,找出使综合信噪比最大化的最优谱段,记录谱段结果和信噪比。遍历中心波长范围,得到不同波长对应的局部最优谱段。

(3)由信噪比门限选择满足要求的探测谱段,取连续局部谱段的最大并集即为全局优化谱段。

图7 谱段优化流程图

4 实例优化计算

4.1 探测谱段选择

以地球静止轨道上的导弹预警卫星探测场景为实例,探测距离为36000 km,星下点地面像元分辨率取1 km。由大气辐射模型计算软件Modtran计算2.5～5.0 μm大气背景辐亮度和大气透过率分别见图2和图3,在此讨论区间累积辐亮度为0.989 W/m2/sr。假设最早可探测时,目标高度为10 km,目标在2.5～5 μm范围内的总辐射强度为5×104W/sr。噪声方面综合考虑杂波和电子学噪声,采用杂波系数表示背景杂波严重程度,取杂波系数为0.1,即杂波信号取背景信号强度的0.1倍[13]。假设探测器对各波长处响应基本相同,相机电子学噪声与探测谱段无关,相机噪声等效目标辐射强度取为500 W/sr。

依据本文方法,首先由背景和目标的辐亮度之比确定中心波长取值范围,短波红外范围是2.5～3.0 μm,中波红外范围是4.2～4.5 μm。然后在该范围内,取不同位置作为中心波长,基于中心波长生长得到不同中心位置对应的局部最优谱段。最后根据信噪比要求确定全局谱段范围,谱段优化结果见表2。

表2 基本参数条件下探测谱段优化结果

4.2 谱段影响因素分析

仿真不同目标辐射强度、杂波系数、探测器噪声和空间分辨率下的谱段选择结果。保持基本参数不变,改变目标在讨论谱段范围内的总辐射强度,仿真目标强度对探测谱段选择的影响,结果见表3。改变杂波系数,仿真背景杂波对探测谱段选择的影响,结果见表4。改变探测器噪声等效目标(NET),仿真探测器噪声对探测谱段选择的影响,结果见表5。改变分辨率,仿真空间分辨率对探测谱段选择的影响,结果见表6。

分析计算结果发现,不同参数条件下得到的谱段中心基本不变,主要是谱段宽度发生变化,针对四种影响因素单独分析得到以下结论:

1)针对一定光谱辐射特征的目标,辐射强度对探测谱段影响较小；

2)背景杂波影响谱段宽度选择,杂波越强,探测谱段宽度越窄；

3)探测器噪声越大,为了获取更强目标信号,探测谱段应该越宽；

4)空间分辨率会影响背景杂波,进而影响谱段。高空间分辨率下可采用宽探测谱段。

表3 不同目标辐射强度下的谱段优化结果

表5 不同探测器噪声下的谱段优化结果

表6 不同空间分辨率下的优化谱段

5 结 论

本文分析了影响导弹预警探测红外谱段选择的因素,包括目标、背景辐射特性、大气传输特性、目标探测模型。利用目标背景对比度对探测谱段进行初步选择,确定了中心波长选择范围。然后结合区域生长法,以综合信噪比为目标函数,针对两种辐射类型的导弹目标进行了探测谱段选择,得到结果2.608～2.915 μm和4.193～4.464 μm。通过仿真计算,分析了目标辐射强度、背景杂波、探测器噪声和空间分辨率对探测谱段的影响规律。

相比传统方法,本文提出的方法有以下优势:系统考虑了辐射源、传输路径和探测模型的完整链路；将影响因素模块化处理,便于改动不同场景下的探测条件；由局部最优谱段取连续的最大并集,得到尽可能宽的探测谱段,实现目标信号最大化收集；谱段选择精度高,选择结果可根据信噪比要求灵活调整。

本文采用了两种目标辐射特性为样本,为了增强探测谱段的适用性,下一步可以增加目标样本数。另外,本文方法中对探测器的光谱响应做了理想化假设,实际可结合器件材料的响应特性,提高谱段选择精度。本文提出的优化方法也可用于其他基于光谱特征探测的谱段选择。

[1] JIANG Yue,DENG Lei,ZANG Peng.The development and technique characters of American space-based infrared pre-warning system[J].Journal of Air Force Radar Academy,2011,25(2):105-112.(in Chinese)

蒋跃,邓磊,臧鹏.美国天基红外预警系统的发展现状和技术特点[J].空军雷达学院学报,2011,25(2):105-112.

[2] NIU Ye,ZHANG Yufeng,LI Yongqiang.Influence on Spectral Band Selection for Satellite Optical Remote Sensor[J].Spacecraft Recovery and Remote Sensing,2004,25(3):29-35.(in Chinese)

牛晔,张宇烽,李永强.卫星光学遥感器光谱波段选择的影响因素[J].航天返回与遥感,2004,25(3):29-35.

[3] XU Keyan,YANG Yan,JING Zhanrong.Analysis of How U.S Defense Support Program(DSP) satellites to select the right waveband[J].Infrared Technology,2009,31(4):202-204.(in Chinese)

徐琰珂,羊彦,景占荣.美国国防支援计划卫星探测波段的选择分析[J].红外技术,2009,31(4):202-204.

[4] FAN Wei,WANG Yi,RAO Ruizhong.Wavelength band selection for target detection based on character of atmosphere radiation[J]Infrared and Laser Engineering,2005,34(2):177-182.(in Chinese)

范伟,王毅,饶瑞中.根据大气辐射特征进行目标探测的波段选择[J].红外与激光工程,2005,34(2):177-182.

[5] YE Qing,SUN Xiaoquan,SHAO Li.Analysis of optimum detective wavebands for infrared early-warning satellite[J].Infrared and Laser Engineering,2010,39(3):389-393.(in Chinese)

叶庆,孙晓泉,邵立.红外预警卫星最佳探测波段分析[J].红外与激光工程,2010,39(3):389-393.

[6] LIU Zunyang,SHAO Li,WANG Yafu,et al.A band selection method for infrared warning satellites based on radiation flux apparent contrast spectrum.[J].Journal of Infrared and Millimeter Waves,2014,33(5):492-497.(in Chinese)

刘尊洋,邵立,汪亚夫,等.基于辐射通量表观对比度光谱的红外预警卫星探测波段选择方法[J].红外与毫米波学报,2014,33(5):492-497.

[7] ZHANG Guangming,SUN Shengli,ZHANG Wei.Model and application of image plane illumination for the space-based infrared detection of boost phase missile[J].Journal of Infrared and Millimeter Waves,2007,26(6):425-428.(in Chinese)

张光明,孙胜利,张伟.导弹助推段天基红外探测的像面照度模型及其应用[J].红外与毫米波学报,2007,26(6):425-428.

[8] ZHANG Wei,CAO Yiming,CONG Mingyu,et al.Band selection for space-based infrared target detection using background clutter model[J].Optics and Precision Engineering,2010,18(2):341-348.(in Chinese)

张伟,曹移明,丛明煜,等.采用杂波模型进行天基目标红外探测波段的选择[J].光学 精密工程,2010,18(2):341-348.

[9] Lomheim T S,Milne E L,Kwok J D,et al.Performance/sizing relationships for a short-wave/mid-wave infrared scanning point-source detection space sensor[M].Aerospace Conference,1999,4:113-138.

[10] WANG Chong,LI Yuan,LI Jinling,et al.Research summary of IR characteristic and contrast between object and background[J].Ship Electronic Engineering,2012,(1):4-6.(in Chinese)

王充,李源,李晋岭,等.目标与背景红外特征及对比度研究综述[J].舰船电子工程,2012,(1):4-6.

[11] GAO Jing,CAI Xingfu,LIU Zhiqiang.Method of target detection based on region growing[J].Journal of Beijing University of Technology,2016,42(6):856-861.(in Chinese)

高 晶,蔡幸福,刘志强.基于区域生长的目标检测方法[J].北京工业大学学报,2016,42(6):856-861.

[12] DENG Jinlian,LI Chenggui.An image segmentation method based on region growing and SUSAN operator[J].Electronics Optics & Control,2012,19(8):38-40.(in Chinese)

邓金莲,李成贵.结合区域生长和SUSAN的图像分割方法[J].电光与控制,2012,19(8):38-40.

[13] William R Reynolds.Toward quantifying infrared clutter[J].SPIE,1990,1311:232-240.