用于红外辐射测量的普朗克定律因目标发射率不确定而无法实现发射率和温度的准确测量,本项目建立一种发射率及温度自适应分离算法模型,可以自适应地在线分离出任何目标的发射率和真温。该模型是将发射率的自适应算法模型与红外技术理论结合而创建的,解决了发射率和温度测量存在的数学欠定问题。该模型可以用于军事、工业、农业、遥感遥测等红外辐射测量领域。本项目将研究模型的结构、模型的激活函数、模型的目标函数。在此基础上,深入研究无约束优化算法理论,设计出基于上述模型,仅仅依据目标多个通道的辐射信息,就可以自适应地分离出任何目标的发射率和真温的最优搜索算法,提高模型的运算速度和精度。研究了针对低温目标弱光电信号提取技术,提出了基于混沌的弱辐射信号提取方法,从而有效地提高发射率的辨识精度;探索发射率与温度自适应算法模型的应用领域,设计出基于该算法模型的热红外遥感领域地表温度和发射率分离方法和基于该算法模型的小目标识别算法,为将项目的研究成果应用于军事和民用领域奠定了基础。
英文主题词Spectral emissivity; Temperature; Adaptive optimization algorithm; Remote sensing; Target identification