高谱成像高光谱相机助力浙江大学团队在《Light: Science Applications》发表多维度伪装突破性成果

news2026/4/28 22:49:44
近日国际光学领域顶级期刊《Light: Science Applications》Nature子刊影响因子18在线发表了浙江大学李强、朱桓正的研究论文“Multi-dimensional camouflage against VIS-NIR hyperspectral, MIR intensity, and MIR polarization imaging”。该研究针对现代战场多模态探测手段可见-近红外高光谱成像、中红外热成像、中红外偏振成像设计并验证了一款新型多维度伪装材料实现了三大探测维度的同时隐身。一、研究背景传统伪装主要针对可见光颜色、纹理和中红外热辐射降低发射率/温度但随着侦察技术的迭代单一维度的隐身已经失效可见-近红外高光谱成像VIS-NIR HSI能够获取目标在400-2500 nm范围内的连续反射光谱并通过光谱角制图SAM、光谱信息散度SID、欧氏距离ED等算法识别物质“光谱指纹”。即使颜色肉眼相近细微的光谱差异也会暴露目标。中红外强度成像MIR thermal热像仪探测目标自身的辐射强度8-14 μm。常规伪装材料若仅靠低发射率在背景温度较高时仍会因“冷点”而被发现。中红外偏振成像MIR polarimetric这是近年来快速发展的新体制探测技术。光滑表面如金属、涂层在斜入射时会产生显著的线偏振度DoLP而自然背景土壤、植被的DoLP通常很低。实验表明常规低发射率材料如ITO、金属薄膜在大角度60°下DoLP可达5%-10%极易被偏振相机识别。因此同时满足“高光谱相似、低热辐射、低偏振”的三维多维度伪装成为伪装技术领域的重大挑战。二、技术瓶颈论文作者系统分析了现有伪装材料的局限性维度现有技术缺点可见-近红外高光谱颜料/多层膜模拟植被“绿峰-红边-近红外平台”难以兼顾中红外透明/低发射率中红外强度金属薄膜Au, Ag, ITO低发射率在VIS-NIR不透明无法复合高光谱伪装层且高DoLP中红外偏振粗糙表面降低DoLP单独粗糙化无法解决强度和光谱问题关键矛盾是低发射率材料如金属通常在VIS-NIR不透明会遮挡底层高光谱伪装信号而高光谱伪装涂层在中红外通常具有较高发射率。因此需要一种层级解耦的设计使各功能层“各司其职”且互不干扰。三、创新结构研究团队提出的伪装材料结构如下从顶层到底层1. 顶层粗糙聚乙烯PE薄膜功能中红外偏振隐身原理平滑表面在斜入射时产生定向反射导致高DoLP粗糙表面引入多次漫反射使热辐射的偏振状态随机化。实验中使用20 μm厚PE膜通过热压印复制砂纸的随机微结构表面粗糙度Ra ≈ 0.5-1 μm。效果在0°-85°大角度范围内DoLP始终 1.5%远低于ITO5%和铝10%。2. 中层银纳米线AgNWs导电网络功能中红外低发射率 可见-近红外高透光原理AgNWs形成亚波长金属网格其周期p ≈ 1.2-1.4 μm占空比0.1-0.2。在MIR波段8-14 μm网格表现为等效金属膜反射率高发射率低至0.7在VIS-NIR波段由于周期远小于波长透光率可达~80%不干扰底层光谱信号。关键这是解决“低发射率与高透光矛盾”的核心。3. 底层Cr₂O₃复合涂层Cr₂O₃ MgCl₂·6H₂O 水性聚氨酯功能模拟植被的VIS-NIR反射光谱原理Cr₂O₃提供绿色反射峰和陡峭的红边MgCl₂·6H₂O模拟叶片的水分吸收谷~1.45 μm, ~1.95 μm水性聚氨酯作为成膜剂增强附着力和环境稳定性。光谱特征在550 nm附近有绿色反射峰在700-750 nm斜率陡升红边在800-1300 nm保持高反射平台近红外高原在1.45 μm和1.95 μm有水分吸收下降。四、核心性能数据论文给出了系统性的实验表征结果指标实测值对比对象VIS-NIR光谱相似度与植被背景 96.9%商用伪装布 80%MIR平均发射率8-14 μm0.7普通伪装布 ≈ 0.9MIR大角度DoLP0-85° 1.5%ITO在70°时 5%高光谱分类欺骗成功率SAM阈值98.2%下完全误判为植被伪装布在96%阈值下暴露最关键的验证来自高光谱分类算法光谱角制图SAM将伪装材料光谱与真实植被光谱视为向量计算夹角余弦。余弦值越接近1光谱越相似。在400-1000 nm波段相似度阈值设为98.2%时伪装材料被分类为植被而商用伪装布在96%阈值下即被识别为目标。光谱信息散度SID基于信息论的相似性度量。伪装材料的SID值远低于判别阈值与植被难以区分。欧氏距离ED伪装材料的ED值与植被背景非常接近。这些结果有力证明了该伪装材料能够欺骗最先进的高光谱目标识别算法。五、高谱成像相机论文“测量与表征”部分明确记录*“The hyperspectral imaging was performed by two hyperspectral cameras (HY-1230-01, HY-1510-05, HHIT, Hangzhou), which has detection wavelength ranges of 0.4 - 1 μm and 0.9 - 2.5 μm.”*具体实验流程如下数据采集在室外自然光照条件下将伪装材料与真实植被并排放置使用高谱400-1000 nm高光谱相机和900-2500 nm高光谱相机分别采集高光谱图像立方体。光谱提取从图像中选取目标区域伪装材料、真实叶片、背景土壤提取平均反射光谱。相似度计算以真实叶片光谱为参考计算伪装材料的SAM、SID、ED值并与商用伪装布对比。分类可视化设置不同相似度阈值生成二值分类图白色植被彩色非植被直观评估伪装效果。高谱相机的关键贡献宽谱段覆盖两台相机无缝覆盖400-2500 nm完整包含了植被光谱的特征区间绿峰、红边、NIR高原、水分吸收谷。高光谱分辨率HY-1230-01优于2.8 nmHY-1510-05优于10 nm足以分辨伪装材料与真实植被的细微光谱差异论文中两者差异仅2-3%。高信噪比与稳定性研究需要定量计算反射率要求相机有良好的线性响应和暗噪声抑制。高谱相机经辐射定标后满足定量遥感要求。配套软件支持数据可直接导入ENVI等专业软件进行SAM/SID/ED分析方便研究者快速验证。六启发对于伪装材料研发者多维度兼容是必然趋势未来的伪装系统必须同时考虑高光谱、热红外、偏振三个维度。本论文提供了一套可复现的结构设计方案和材料选择思路。测试验证需要高精度高光谱相机传统的分光光度计只能测点光谱无法评估空间分布和分类算法效果。高光谱成像能够模拟真实侦察场景是性能评估的关键工具。对于反伪装/目标识别技术开发人员高光谱分类算法的有效性本论文证实SAM、SID、ED等方法能够有效区分目标与背景即使颜色和纹理高度相似。反伪装系统应优先采用此类算法。偏振信息的重要性大角度下传统低发射率材料的高DoLP会成为新的“特征指纹”。未来反伪装系统可融合高光谱偏振信息进一步提升探测概率。七、论文信息与获取标题Multi-dimensional camouflage against VIS-NIR hyperspectral, MIR intensity, and MIR polarization imaging期刊Light: Science Applications (2026) 15:63作者Rui Qin†, Huanzheng Zhu†, Rongxuan Zhu, Pintu Ghosh, Min Qiu, Qiang LiDOI10.1038/s41377-025-02145-w全文可通过期刊官网或联系高谱成像获取副本。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2563766.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…