基于光譜指數(shù)的高光譜偽裝效果評估

歐陽亞雄，彭銳暉，沙建軍，張 琳，張愷翊

（1.哈爾濱工程大學(xué) 信息與通信工程學(xué)院，黑龍江 哈爾濱 150001；2.哈爾濱工程大學(xué) 控制科學(xué)與工程學(xué)院，黑龍江 哈爾濱 150001；3.空軍工程大學(xué) 防空反導(dǎo)學(xué)院，陜西 西安 710051；4.91977 部隊(duì)，北京 102249）

引言

高光譜技術(shù)在軍事偵察領(lǐng)域的應(yīng)用使得傳統(tǒng)的偽裝技術(shù)受到極大的挑戰(zhàn)[1-2]，面對覆蓋可見光到近紅外納米級別光譜分辨率的高光譜偵察，研究發(fā)展高光譜偽裝技術(shù)具有重要意義，而高光譜偽裝效果評價(jià)方法研究成為其中的重要內(nèi)容。

對于高光譜偽裝效果評估方法，前人已開展相關(guān)研究工作，提出了諸如光譜距離[3]、光譜角[4]等衡量光譜相似度的特征指標(biāo)。在此基礎(chǔ)上，劉恂等將綜合光譜角、光譜距離和光譜導(dǎo)數(shù)距離作為評估指標(biāo)，對三種偽裝材料的偽裝效果進(jìn)行評估，并提出錯(cuò)分率驗(yàn)證了方法的有效性[5]。華文深等在光譜維特征的基礎(chǔ)上，綜合考慮空間維的圖像紋理信息，對迷彩偽裝進(jìn)行評價(jià)[6]。由于增加了6 個(gè)空間維度的紋理信息，評價(jià)結(jié)果更加客觀。馬世欣等將圖像異常探測概率引入高光譜偽裝評估，克服了基于多特征描述評估方法指標(biāo)單一的問題[7]?？偟膩砜?，基于高光譜偽裝的評價(jià)方法多利用光譜曲線形狀、幅度相似度來評估偽裝效果，并加入空間維度的圖像紋理信息等進(jìn)行綜合評估，其對光譜信息的匹配測度主要分為兩類——基于距離和基于形狀，鮮有基于光譜波段組合的高光譜偽裝評估方法。

偽裝的要求是目標(biāo)與背景“同譜同色”，基于光譜波段組合的光譜指數(shù)可以進(jìn)一步利用光譜維的信息，從精細(xì)化波譜匹配的角度對偽裝效果進(jìn)行客觀評價(jià)，得到更加全面、穩(wěn)健的評估結(jié)果。本文采集典型林地、雪地背景下偽裝前后目標(biāo)和背景的高光譜圖像作為研究樣本，針對不同的背景，基于偽裝原理，分別設(shè)計(jì)并計(jì)算目標(biāo)和背景對應(yīng)的光譜指數(shù)，利用光譜指數(shù)對圖像進(jìn)行閾值分割，通過閾值分割后的圖像對偽裝效果進(jìn)行可視化的定性分析。在此基礎(chǔ)上，提出光譜一致性系數(shù)（spectral consistency coefficient,SCC）指標(biāo)，用于量化目標(biāo)和背景的差異，進(jìn)而對偽裝效果進(jìn)行定量分析，得到量化評估結(jié)果，并通過林地和雪地兩種實(shí)際場景的試驗(yàn)驗(yàn)證評估本文所提方法的有效性。

1 基本原理

對于高光譜偽裝效果評估，一個(gè)重要方法是對目標(biāo)與背景的光譜特征差異進(jìn)行量化比較。特定波長的光譜反射率經(jīng)過組合運(yùn)算得到的光譜指數(shù)是量化光譜特征的有效手段，圖1（a）是典型植被的光譜曲線，歸一化植被指數(shù)（normalized differential vegetation index,NDVI）[8]通過紅光波段和近紅外波段反射率的組合，量化了植被典型的“紅邊效應(yīng)”特征，即植被在近紅外波段有強(qiáng)烈反射，而在紅光波段有強(qiáng)烈吸收。該指數(shù)在植被覆蓋率檢測[9]、農(nóng)作物健康狀況監(jiān)測[10-12]等領(lǐng)域的良好表現(xiàn)，也證明了光譜指數(shù)作為一種量化特征手段的有效性。

圖1 典型地物光譜曲線Fig.1 Spectral curves of typical features

不同的地物背景，其光譜特征往往存在差異，對應(yīng)的光譜指數(shù)也因此不盡相同。根據(jù)植被特有的“紅邊效應(yīng)”構(gòu)建的NDVI 指數(shù)對于雪地背景不再適用，因?yàn)檠┑乇尘霸谧贤狻⒖梢姽獠ǘ斡休^高的反射率，而在短波紅外波段反射率很低，典型雪地光譜曲線如圖1（b）所示。針對雪地的光譜特征，通過可見光和短波紅外波段反射率組合構(gòu)建的歸一化積雪指數(shù)（normalized difference snow index,NDSI）[13]被廣泛應(yīng)用于積雪檢測[14-15]，且效果良好。

可見，光譜指數(shù)可以有效量化典型地物的特征，基于此，計(jì)算偽裝目標(biāo)和背景光譜指數(shù)差異能客觀反映偽裝目標(biāo)與背景的光譜相似程度，進(jìn)而評估偽裝目標(biāo)的光學(xué)偽裝效果。

不失一般性，選取兩種不同的典型背景——林地和雪地作為研究對象，并結(jié)合目前普遍使用的可見光-近紅外光譜成像儀的波段范圍（400 nm～1 000 nm）對上述光譜指數(shù)進(jìn)行調(diào)整?；趥窝b基本原理，結(jié)合林地、雪地兩種背景的光譜特征，本文分別構(gòu)建新的光譜指數(shù)，并提出光譜一致性系數(shù)，應(yīng)用此系數(shù)指標(biāo)評估偽裝目標(biāo)的光譜偽裝效果。

本文針對林地和雪地背景選擇并構(gòu)建的光譜指數(shù)定義及原理描述如表1 所示。

表1 光譜指數(shù)定義及原理描述Table 1 Definition and principle description of spectral indices

構(gòu)建的光譜一致性系數(shù)表達(dá)式如下：

式中：k1、k2、···kn為權(quán)重系數(shù)，且k1+k2+···+kn=1；n為光譜指數(shù)的個(gè)數(shù)，根據(jù)光譜指數(shù)在目標(biāo)偽裝前后的變化劇烈程度而定，變化越劇烈，區(qū)分度越高，權(quán)重系數(shù)越大；Ii_tar、Ii_sur分別為目標(biāo)和背景在不同波段定義的光譜指數(shù)。

2 實(shí)驗(yàn)部分

2.1 實(shí)驗(yàn)方案設(shè)計(jì)

實(shí)驗(yàn)方案設(shè)計(jì)如圖2 所示。具體實(shí)驗(yàn)設(shè)計(jì)流程如下：

圖2 實(shí)驗(yàn)設(shè)計(jì)方案Fig.2 Experimental design scheme

1）針對不同的背景，分別以車輛和帳篷為目標(biāo)，選擇對應(yīng)的偽裝網(wǎng)，林地背景下選擇綠色偽裝色為主的林地型偽裝網(wǎng)，如圖3（a）所示；雪地背景下選擇白色偽裝色為主的雪地型偽裝網(wǎng)，如圖3（b）所示。分別拍攝兩種背景下目標(biāo)覆蓋偽裝網(wǎng)前后的高光譜圖像，得到林地背景下未偽裝目標(biāo)、林地型偽裝目標(biāo)和雪地背景下未偽裝目標(biāo)、雪地型偽裝目標(biāo)四組數(shù)據(jù)作為研究對象。

圖3 不同類型偽裝網(wǎng)Fig.3 Different types of camouflage nets

2）實(shí)驗(yàn)對象布置如圖4 所示。其中A 為林地背景下未偽裝目標(biāo)，B 為林地背景下偽裝目標(biāo)，C 為林地背景；D 為雪地背景下未偽裝目標(biāo)，E 為雪地背景下偽裝目標(biāo)，F(xiàn) 為雪地背景。

圖4 實(shí)驗(yàn)對象布置Fig.4 Arrangement of experimental objects

3）數(shù)據(jù)采集于2022 年2 月27 日（雪地背景）赤峰地區(qū)及2022 年3 月24 日（林地背景）青島地區(qū)，當(dāng)天天氣晴朗，采集時(shí)間為上午10:00～12:00，此時(shí)間段內(nèi)太陽光充足且穩(wěn)定，具備良好的成像條件。

2.2 高光譜數(shù)據(jù)采集

本研究使用的高光譜數(shù)據(jù)采集系統(tǒng)由高光譜成像儀、旋轉(zhuǎn)臺、固定三腳架、采集電腦組成，高光譜成像儀型號為Resonon Pika L，如圖5 所示。該光譜儀成像波段范圍為400 nm～1 000 nm，光譜分辨率達(dá)到2.1 nm，詳細(xì)參數(shù)如表2 所示。根據(jù)實(shí)驗(yàn)時(shí)的光照條件，將曝光時(shí)間設(shè)置為26 ms，拍攝目標(biāo)距離30 m～50 m，為完整記錄目標(biāo)與背景，設(shè)置拍攝幀數(shù)為1 200 幀，并設(shè)置幀率為40 f/s，為保證成像正確的長寬比，根據(jù)幀率調(diào)整轉(zhuǎn)臺旋轉(zhuǎn)速度為1 °/s。

表2 Resonon Pika L 參數(shù)Table 2 Parameters of Resonon Pika L

圖5 實(shí)驗(yàn)設(shè)備圖Fig.5 Physical drawing of experimental equipment

2.3 高光譜數(shù)據(jù)校正

高光譜成像儀獲取的原始高光譜數(shù)據(jù)需要經(jīng)過輻射校正和反射率校正，方可得到反射率數(shù)據(jù)。原始DN 值與輻亮度之間存在線性關(guān)系：

式中：R為輻亮度數(shù)據(jù)；DN為原始DN 值；k為斜率；b為截距。Pika L 成像光譜儀設(shè)備出廠前會經(jīng)過輻射度定標(biāo)，得到式（2）中的斜率k和截距b并形成鏡頭的定標(biāo)文件，根據(jù)參數(shù)k、b即可將原始DN 值進(jìn)行處理得到輻亮度數(shù)據(jù)。

得到輻亮度數(shù)據(jù)后，根據(jù)式（3）對輻亮度影像進(jìn)行反射率校正：

式中：ρ為校正后的反射率數(shù)據(jù)；Ra為處理得到的輻亮度數(shù)據(jù)；Rd為蓋住鏡頭后得到的標(biāo)定數(shù)據(jù)；Rw為標(biāo)準(zhǔn)白板輻亮度數(shù)據(jù)；ρs為標(biāo)準(zhǔn)白板的反射率數(shù)據(jù)（實(shí)驗(yàn)用到的標(biāo)準(zhǔn)白板反射率為40%）。數(shù)據(jù)校正結(jié)果如圖6 所示。

圖6 高光譜數(shù)據(jù)校正結(jié)果Fig.6 Correction results of hyperspectral data

2.4 偽裝效果評估

偽裝效果評估分為可視化定性評估和指標(biāo)量化評估，前者通過確定合適的閾值對圖像進(jìn)行分割，得到可視化的偽裝效果圖像，從圖像上可以清晰明了地判斷目標(biāo)偽裝效果的好壞。其中，閾值由典型背景的光譜指數(shù)取值區(qū)間確定，具體流程如圖7 所示，其中θx(x=1、2、3、4)為閾值常數(shù)。后者根據(jù)不同的背景，分別計(jì)算SCCveg、SCCsnow作為量化指標(biāo)，如式（4）和式（5）所示，SCC越小，偽裝效果越好。

圖7 光譜指數(shù)可視化偽裝評估流程Fig.7 Visual camouflage evaluation process of spectral indexes

式中：SCCveg為植被背景下的光譜一致性系數(shù)；SCCsnow為雪地背景下的光譜一致性系數(shù)；Ii_tar表示目標(biāo)光譜指數(shù)值；Ii_sur表示背景光譜指數(shù)值(I=NDVI、GVI、NVI、NDSINIR、MSI)；ki為權(quán)重系數(shù)，且；Ii_cam和Ii_uncam分別為目標(biāo)偽裝前后的光譜指數(shù)。

同時(shí)，計(jì)算傳統(tǒng)光譜評價(jià)指標(biāo)即光譜距離、光譜角，計(jì)算方法如式（6）和式（7）所示。將傳統(tǒng)指標(biāo)的評價(jià)結(jié)果與本文方法的評價(jià)結(jié)果對比，結(jié)合實(shí)際偽裝情況分析本文方法的合理性和有效性。

式中：D為光譜歐氏距離；α為光譜角；A=(A1,A2,···,AN)為目標(biāo)光譜向量；B=(B1,B2,···,BN)為背景光譜向量；N為光譜數(shù)據(jù)波段數(shù)。D越小，cosα越大，則表示偽裝效果越好。

3 實(shí)驗(yàn)結(jié)果與分析

3.1 實(shí)驗(yàn)對象光譜

林地和雪地背景下的目標(biāo)與背景光譜曲線如圖8 所示。從圖8（a）可以看出，偽裝前車輛在可見光-近紅外波段范圍內(nèi)反射率均很高，保持在50%左右，與植被背景的先低后高有明顯差異。偽裝后的車輛整體反射率有明顯降低，在400 nm～700 nm 范圍內(nèi)光譜與植被背景非常相似，但在近紅外范圍內(nèi)（760 nm～1 000 nm）與背景有一定差別。

圖8 不同背景下的目標(biāo)與背景光譜曲線Fig.8 Spectral curves of target and background under different backgrounds

從圖8（b）可以看出，雪地和帳篷的反射率曲線存在明顯差異，雪地反射率整體較高，且隨著波長增加有下降趨勢，而帳篷反射率先低后高，在650 nm 左右處陡增；在可見光范圍（400 nm～760 nm）內(nèi)，雪地反射率保持在70%以上，在近紅外范圍下降到60%以下，而帳篷反射率在可見光范圍內(nèi)較低，為20%左右，在近紅外范圍較高，為60%左右，兩者變化趨勢相反。偽裝后的帳篷反射率有整體性的提高，幅值與雪地基本接近，達(dá)到了70%左右，但偽裝后的帳篷近紅外波段反射率高于可見光波段，與雪地背景存在微小差異。

3.2 偽裝效果評估結(jié)果

對于林地背景下偽裝效果的目視解譯分析，計(jì)算圖像的NDVI 光譜指數(shù)，并取閾值θ1=0.2，θ2=0.8（典型植被區(qū)間）對圖像進(jìn)行分割，結(jié)果如圖9和圖10 所示。

圖9 偽裝前車輛及閾值分割下的圖像Fig.9 Vehicle before camouflage and image segmentation under threshold

圖10 偽裝后車輛及閾值分割下的圖像Fig.10 Vehicle after camouflage and image segmentation under threshold

從圖9 可以看出，當(dāng)邊界閾值取典型植被范圍時(shí)（0.2～0.8），未偽裝的車輛在圖中被明顯地分割出來，說明偽裝前車輛偽裝效果欠佳。由圖10 可知，偽裝后車輛的綠色斑塊與背景很好地融合在一起，而褐色斑塊被明顯地區(qū)分出來，說明NDVI對綠色植被的敏感性很高，也證明了本文方法的精準(zhǔn)性和有效性。

對于林地背景下偽裝效果的量化分析，分別計(jì)算偽裝前車輛A、偽裝后車輛B 與林地背景C 的各光譜指數(shù)均值，如表3 所示。計(jì)算偽裝前后目標(biāo)各光譜指數(shù)的差值絕對值并依次確定各指標(biāo)權(quán)重系數(shù)，如表4 所示。由確定的權(quán)重計(jì)算目標(biāo)偽裝前后光譜一致性系數(shù)，如表5 所示。計(jì)算目標(biāo)A、B 與背景C 的光譜距離D和光譜角余弦cosα，如表6 所示。

表3 林地背景下目標(biāo)與背景各光譜指數(shù)均值Table 3 Mean value of spectral indexes of target and background under forest land background

表4 目標(biāo)偽裝前后光譜指數(shù)差值及權(quán)重系數(shù)kTable 4 Spectral index difference and weight coefficien k before and after target camouflage

表5 目標(biāo)偽裝前后光譜一致性系數(shù)SCCvegTable 5 Spectral consistency coefficient SCCveg before and after target camouflage

表6 林地背景下目標(biāo)與背景光譜距離及光譜角Table 6 Spectral distance and spectral angle between target and background under forest land background

表7 雪地背景下目標(biāo)與背景各光譜指數(shù)均值Table 7 Mean value of each spectral index of target and background under snow background

表8 目標(biāo)偽裝前后光譜指數(shù)差值及權(quán)重系數(shù)kTable 8 Spectral index difference and weight coefficient k before and after target camouflage

表9 目標(biāo)偽裝前后光譜一致性系數(shù)SCCsnowTable 9 Spectral consistency coefficient SCCsnow before and after target camouflage

從表3 可以看出，偽裝前車輛NDVI 均值很小且接近于0，明顯偏離植被特征區(qū)間，這是因?yàn)槠湓诩t光和近紅外波段反射率差別不大，而植被背景因存在“紅邊效應(yīng)”，NDVI 均值達(dá)到0.559 7，偽裝后車輛的NDVI 均值明顯增大，達(dá)到0.391 6，在植被特征區(qū)間范圍內(nèi)，說明偽裝后目標(biāo)與植被背景的相似度有所提高。偽裝前車輛GVI 指數(shù)達(dá)到0.828 8，嚴(yán)重偏離典型植被區(qū)間（0～0.3），偽裝后車輛GVI 指數(shù)下降到0.080 4，落入典型植被區(qū)間，同樣說明了偽裝效果良好。NVI 指數(shù)在目標(biāo)偽裝前后變化不大，但偽裝后的NVI 指數(shù)與背景相似度反而不如偽裝前，說明該偽裝網(wǎng)在800 nm～1 000 nm范圍內(nèi)偽裝效果欠佳，在設(shè)計(jì)偽裝網(wǎng)時(shí)應(yīng)當(dāng)引起重視。

由表4 得到的權(quán)重將以上各光譜指數(shù)綜合得到SCCveg。由表5 中的SCCveg可知，偽裝前SCCveg為0.521 6，偽裝后SCCveg下降到0.152 8，說明盡管表3 中個(gè)別光譜指數(shù)顯示目標(biāo)偽裝后的效果不如偽裝前，但SCCveg作為一個(gè)綜合指標(biāo)，通過權(quán)重加和，揭示了目標(biāo)在偽裝后整體偽裝效果有明顯提升，偽裝效果良好，即偽裝效果A＜B。結(jié)合表6 數(shù)據(jù)可知，偽裝后的車輛與背景光譜距離從7.326 8下降到2.019 0，光譜角余弦相似度從0.806 0 提高到0.970 3，兩指標(biāo)均說明偽裝效果A＜B，這也與實(shí)際情況相符，說明光譜一致性系數(shù)作為偽裝評估指標(biāo)的正確性。另一方面，本方法可準(zhǔn)確判斷單個(gè)譜段的光譜一致性情況，而不是籠統(tǒng)地給予結(jié)論，也說明本文提出的方法更加全面，對光譜波段的分析更加精細(xì)。

對于雪地背景下偽裝效果的目視解譯分析，通過計(jì)算NDSINIR對偽裝前后圖像進(jìn)行閾值分割，不同的閾值θ分割結(jié)果如圖11 和圖12 所示。

圖11 偽裝前帳篷及不同NDSINIR 閾值分割下的圖像Fig.11 Tent before camouflage and image segmentation under different NDSINIR thresholds

圖12 偽裝后帳篷及不同NDSINIR 閾值分割下的圖像Fig.12 Tent after camouflage and image segmentation under different NDSINIR thresholds

從不同的閾值分割結(jié)果可以看到，偽裝前的帳篷因?yàn)镹DSINIR與雪地相差很大，在θ取不同值時(shí)均能將帳篷目標(biāo)從背景中明顯地區(qū)分開來，說明偽裝前帳篷偽裝效果不佳。偽裝后的帳篷NDSINIR有極大的提升，與雪地背景相近，當(dāng)閾值取典型雪地區(qū)間（0～0.1）附近值時(shí)，如θ3=-0.1、θ4=0.1，偽裝帳篷在圖像中基本與背景融為一體，如圖12（b）所示，說明偽裝網(wǎng)效果良好。通過表10 可知，此時(shí)目標(biāo)與背景的光譜角相似度已經(jīng)達(dá)到了99.27%，目標(biāo)和背景極為相似，傳統(tǒng)的偽裝評估方法已經(jīng)難以將目標(biāo)和背景區(qū)分，而本研究提出的方法通過調(diào)整閾值θ，即取典型雪地區(qū)間（θ3=0、θ4=0.1）時(shí)，可以將偽裝后的帳篷從背景中分離，如圖12（c）所示，說明本研究提出的方法對光譜信息的利用更加精細(xì)化，對揭示偽裝也可提供積極的參考價(jià)值。

表10 雪地背景下目標(biāo)與背景光譜距離及光譜角Table 10 Spectral distance and spectral angle between target and background under snow background

對于雪地背景下偽裝效果的量化分析，分別計(jì)算偽裝前帳篷D、偽裝后帳篷E 與雪地背景F 的各光譜指數(shù)均值，如表7 所示。計(jì)算偽裝前后目標(biāo)各光譜指數(shù)的差值絕對值并依此確定各指標(biāo)權(quán)重系數(shù)，如表8 所示。由確定的權(quán)重計(jì)算目標(biāo)偽裝前后光譜一致性系數(shù)，如表9 所示。并計(jì)算目標(biāo)D、E 與背景F 的光譜距離d和光譜角余弦cosφ如表10 所示。

從表7 數(shù)據(jù)可以看到，雪地背景的NDSINIR均值大于0 且幅值很小，MSI 均值較大，達(dá)到0.616 4，這是因?yàn)榉e雪在可見光到近紅外范圍內(nèi)反射率較高且呈緩慢下降趨勢；而偽裝前帳篷在可見光范圍內(nèi)反射率遠(yuǎn)低于近紅外波段反射率，且整體反射率低于雪地背景，故其NDSINIR均值為負(fù)且幅值很大，達(dá)到-0.768 1，而MSI 均值較低，為0.422 8，說明偽裝前目標(biāo)與背景相似度較低；偽裝后的帳篷NDSINIR均值增大到-0.037 5，極接近積雪特征范圍，MSI 也增大到0.671 6，與積雪背景更加接近。

由表8 中得到的權(quán)重系數(shù)將上述光譜指數(shù)加權(quán)綜合，得到如表9 所示的SCCsnow，可以看到，偽裝后SCCsnow從0.687 5 下降到0.112 1，說明偽裝后目標(biāo)與背景的差異明顯減小，光譜一致性有極大地提高，即偽裝效果D＜E，結(jié)合表10 數(shù)據(jù)，偽裝后目標(biāo)和背景光譜距離減小，光譜角余弦值增大，傳統(tǒng)指標(biāo)也得出偽裝效果D＜E 的結(jié)論，這與實(shí)際情況相符。結(jié)合上述的可視化分析可知，本文提出的方法在整體上客觀反映了偽裝前后的偽裝效果變化，同時(shí)通過對特定光譜指數(shù)的分析，可以精準(zhǔn)定位各特定譜段偽裝目標(biāo)與背景的差異，從而達(dá)到精細(xì)化量化評估的目的，為偽裝器材設(shè)計(jì)和偽裝措施實(shí)施提供針對性的參考意見。

4 結(jié)論

本文基于遙感光譜指數(shù)能夠簡便明了反映地物特征的特點(diǎn)，分析不同背景的光譜特征，構(gòu)建了相應(yīng)的偽裝光譜指數(shù)，并提出了基于光譜指數(shù)閾值分割的目視解譯偽裝評估方法以及基于光譜一致性系數(shù)的量化分析方法。通過對兩種典型作戰(zhàn)背景——林地、雪地下偽裝前后的目標(biāo)進(jìn)行偽裝評估實(shí)驗(yàn)并將結(jié)果與傳統(tǒng)評估方法對比分析，可以得到以下結(jié)論：1）本文提出的方法兼具可視化和量化分析的優(yōu)勢，既能通過圖像清晰直觀地反映目標(biāo)偽裝前后的偽裝效果變化，又能通過光譜一致性系數(shù)對目標(biāo)偽裝前后的偽裝效果進(jìn)行客觀量化評估，使得評估形式更加多樣化；2）本文提出的方法能正確客觀地反映目標(biāo)偽裝前后的實(shí)際偽裝效果，得出的偽裝效果評價(jià)結(jié)果與傳統(tǒng)指標(biāo)評價(jià)結(jié)果相吻合，且相較于傳統(tǒng)指標(biāo)評價(jià)方法，本文提出的方法對波譜信息的利用更加精細(xì)，相較傳統(tǒng)的單個(gè)光譜指標(biāo)，評估結(jié)論更為精細(xì)全面、穩(wěn)健可靠。綜上所述，本文的工作對偽裝材料設(shè)計(jì)，偽裝措施實(shí)施，以及揭示偽裝等方面具有積極的參考價(jià)值和指導(dǎo)意義。