目标探测与识别调研
水下目标识别调研报告
提出了一种基于分类的SAS图像水底目标检测系统中最优特征集的设计方法； 具体方法: MRF+AC分割、形状+统计特征、统计分类器
研究思路:
水底SAS图像目标检测和分类的方法主要可以分为两种： 基于模板匹配的方法；基于特征描述的方法。
文章为基于特征描述的方法，需要进行感兴趣区域的分割，完成目标高
※评价方法: (1) Speckle Level : 多个同质区域方差系数的线性组合 (2) Edge Preservation性能: (Pratt提出的Figure of Merit)
1 FOM ˆ ,M max M ideal
C
1 W
E I
n 1 n
W
n
1 d
n 1
水声图像目标检测涉及的主要科学问题
2、图像中阴影区域的识别
阴影区域 识别
声纳成像系统成像过程中，由于目标的遮挡，会在图像中出现不同程 度的阴影；
阴影区域信息是目标自动分割、分类、识别中非常重要的辅助信息；
阴影区域信息\特征主要包括几何形状信息\特征和统计信息\特征。 阴影区域识别存在的优缺点
水声图像目标检测涉及的主要科学问题
1、图像中噪声(Speckle Noise)的处理问题
斑点噪声的概率分布及统计特性问题 现有图像去噪方法中大多假设噪声服从正态分布（高斯分布），而水声 图像中斑点噪声分布是非高斯的。 海底回波统计分析表明海底声纳测量幅度分布一般可描述为瑞丽分布、 指数正态分布、威布尔分布、多变量拉普拉斯分布等； 图像去噪问题 斑点噪声为乘性噪声，传统的高斯白噪声图像去噪法不能有效去噪； 去噪过程尽可能去除噪声与尽可能保持边缘和细节信息有冲突。 图像质量评价问题 真实水声图像几乎无法获取无失真的参考图像 根据应用目的不同，图像质量的评价方法不同
探测与识别技术
探测与识别技术引言探测与识别技术是现代科技中不可或缺的一部分，因为它能在多个领域中为人类带来极大的便利和利益。
本文将介绍探测与识别技术的基本原理和常见应用领域，并探讨其在未来的发展趋势和挑战。
一、探测技术1. 基本原理探测技术是指通过不同形式的能量或信号来获取对某物体、现象或信号的识别、检测、监测和测量等信息过程，其基本原理是将物体或现象转化为可测量的信号并通过信号处理装置进行处理后输出结果。
2. 常见探测技术（1）雷达技术雷达技术利用电磁波在空气或其他介质中的传输和反射，通过测量信号的时间差和频率差等特征来识别、跟踪和探测目标。
广泛应用于航空、军事、气象、地质勘探等领域。
（2）红外技术红外技术利用红外光的能量和波长与物体的特定属性相互作用，通过感应和探测物体发出的红外辐射或对周围红外辐射的反应来进行识别、跟踪和探测。
广泛应用于安防、医疗、工业生产等领域。
（3）毫米波技术毫米波技术是一种高频、高分辨率的无线通信技术，其利用毫米波的短波长和高频率来进行高速数据传输和远距离通信。
此外，毫米波技术还可用于跨境追踪、边境安全、人员筛查等领域。
二、识别技术1. 基本原理识别技术是指通过对目标物或信息进行分析、比对和匹配等操作，从而确定其身份或特征的技术过程。
其基本原理是将目标物转化为可测量的数据，并通过模式识别和数据挖掘等算法来进行分析和识别。
2. 常见识别技术（1）生物识别技术生物识别技术是一种通过人体生理特征进行身份识别的技术，如指纹识别、虹膜识别、面部识别等。
生物识别技术应用于人员出入、金融支付、医疗健康等领域，受到广泛关注和研究。
（2）智能图像识别技术智能图像识别技术利用计算机视觉和机器学习技术，从图像和视频等多种媒介中识别目标物和特征，并将其分类或归集。
智能图像识别技术应用于智能安防、智能交通、智能医疗等领域。
（3）语音识别技术语音识别技术是利用计算机视觉和人工智能技术，将人的声音信息转化为数字信号并进行语音分析和比对，以实现自动识别和处理。
遥感图像目标检测与识别的算法研究
遥感图像目标检测与识别的算法研究摘要：遥感图像目标检测与识别是遥感图像处理领域的重要课题之一，具有广泛的应用前景。
本文研究了遥感图像目标检测与识别的算法，主要包括传统算法和深度学习算法两个方面。
通过对不同算法的分析和对比，并结合实际应用，探讨了各种算法的优缺点及其适用场景，为遥感图像目标检测与识别算法的选择和应用提供了一定的参考。
1. 引言遥感图像目标检测与识别是通过分析和处理遥感图像中的目标信息，识别和提取出感兴趣的目标，并完成其分类和识别任务。
对于军事侦查、环境监测、城市规划等领域具有重要的意义，因此一直受到广泛的关注和研究。
2. 传统算法传统算法是最早应用于遥感图像目标检测与识别的一类算法，主要包括基于特征提取的方法和基于机器学习的方法。
其中，基于特征提取的方法主要通过提取图像的颜色、纹理、形状等特征，来判别目标与背景之间的差异，进而实现目标的检测和识别。
而基于机器学习的方法则是通过构造模型，将目标与背景区分开，利用训练样本对模型进行学习和参数调整，从而完成目标的识别任务。
3. 深度学习算法近年来，深度学习算法在遥感图像目标检测与识别领域取得了显著的进展。
深度学习算法通过构建多层神经网络模型，实现了对遥感图像中目标的自动化识别。
其中，卷积神经网络（CNN）是目前应用最广泛的一类深度学习算法，其通过构建多层卷积层和池化层，实现对图像的特征提取和分类。
4. 算法对比与分析通过对传统算法和深度学习算法的对比与分析，可以发现传统算法在特征提取和分类方法上具有较强的可解释性和稳定性，但其性能受到特征选择和模型设计等因素的限制；而深度学习算法通过端到端的学习方式，具有较强的自动化能力和表达能力，但通常需要大量的标注样本和计算资源。
5. 应用场景与挑战遥感图像目标检测与识别算法的应用场景涵盖了军事、环境、城市等多个领域。
在军事领域，遥感图像目标检测与识别算法可以用于敌情侦察、目标识别和打击指导等任务；在环境监测领域，遥感图像目标检测与识别算法可以用于反映地表覆盖类型、环境变化等信息；在城市规划领域，遥感图像目标检测与识别算法可以用于土地利用评估和城市扩展规划等任务。
水下目标探测与识别技术
2.3.5 选通ICCD摄像机的方法
❖ ICCD摄像机主要分为非选通型和选通型两类： ❖ 非选通ICCD摄像机本身没有光快门，不具有快速开关的功能，
主要用于对微弱光图像信号的增强和放大； ❖ 选通ICCD摄像机是由具有快速开关功能的像增强器通过光纤
光在水下的衰减
❖ 水对光谱中紫外和红外部分表现出强烈 的吸收。这是由于水分子在这些谱带上 强烈的共振造成的。紫外共振起因于电 子的激发，红外共振起因于分子激发。
❖ 大部分波段的光在水下传播时都会受到强烈的吸收衰减，只有波长 在 0.5nm 左右波段的蓝绿光在水中的吸收衰减系数最小，穿透能力 最强，而且此波段又处于电磁波的“大气窗口”。
实现方法：
❖ Matlab图像处理函数； ❖ VC6.0以上版本编程； ❖ OpenCV（Open Source Computer Vision Library）专
业图像处理软件，结合Visual Studio 2005以上版本实现； ❖ Kinect ， OpenGL （ Graphics Library ） ， OpenNI
长基线带来的问题：
❖ 但实际上，长基线会引起下面两个问题: ❖ 引起双目系统联合视域缩小。随着基线的增加，区域离双目摄像机
会越来越远，使这个距离内的目标不可见。换用大视角镜头可以克 服这个难题，但同时大视角镜头又会引发严重畸变等其他问题。 ❖ 增加立体匹配的难度。两个摄像机分别从不同角度观察同一目标， 所以观察到的目标有轻微不同，当基线加长，两摄像机观察到的目 标的差异增大，两幅图像的相关性下降，导致立体匹配更加困难。
❖ 在该系统中，非常短的激光脉冲照射物体，照相机快门打开的时间相 对于照射物体的激光发射时间有一定的延迟，并且快门打开的时间很 短，在这段时间内，探测器接收从物体返回的光束，从而排除了大部 分的后向散射光。
复杂动态环境下非合作目标探测与识别读书札记
《复杂动态环境下非合作目标探测与识别》读书札记目录一、内容概括与背景分析 (2)1.1 复杂动态环境概述 (3)1.2 非合作目标探测与识别的意义 (4)1.3 研究现状及发展趋势 (5)二、复杂动态环境理论基础 (7)2.1 动态环境理论概述 (8)2.2 复杂系统理论 (9)2.3 环境动态性与复杂性分析 (11)三、非合作目标探测技术 (12)3.1 探测技术概述 (14)3.2 雷达探测技术 (16)3.3 红外探测技术 (17)3.4 光学探测技术 (19)四、非合作目标识别方法与技术 (20)4.1 目标识别方法概述 (22)4.2 模式识别技术 (23)4.3 机器学习在目标识别中的应用 (25)4.4 深度学习算法在目标识别中的优势与挑战 (26)五、复杂动态环境下非合作目标探测与识别的关键技术 (27)5.1 多源信息融合技术 (29)5.2 目标跟踪与状态估计技术 (30)5.3 抗干扰与反隐身技术 (31)5.4 目标属性分析与判别技术 (33)六、案例分析与实践应用 (34)6.1 案例分析一 (36)6.2 案例分析二 (37)6.3 实践应用中的挑战与对策建议 (39)七、结论与展望未来发展趋势 (40)一、内容概括与背景分析在当前的科技背景下，复杂动态环境下的非合作目标探测与识别成为了一个重要的研究领域。
本书对此进行了深入探讨，并进行了系统的梳理和阐述。
本书首先介绍了复杂动态环境的基本概念和特点，进一步分析了在这种环境下非合作目标探测与识别的挑战和难点。
书中详细阐述了非合作目标探测的基本原理和方法，包括雷达探测、红外探测、光学探测等多种技术手段，并对各种方法的优缺点进行了对比分析。
书中还介绍了目标识别的基本原理和方法，包括模式识别、机器学习、深度学习等技术在此领域的应用。
本书对目前该领域的最新进展和未来发展趋势进行了展望。
随着科技的飞速发展，我们面临着日益复杂的动态环境，其中包括恶劣的天气条件、电磁干扰、动态目标场景等。
水下目标探测与识别技术 (2)
❖ (3) 提高图像处理算法的实时性能。水下机器人在自主作业过程 中，需要机器人具有快捷准确的反应能力，实时性是其中一个重 要性能指标，如何提高水下光视觉系统各个环节的处理速度，在 实现水下机器人可靠定位与作业规划中具有重要的意义。
2.2.2 水下光场理论
❖ 水下微光成像系统研究是一项颇具规模的工程，涉及众 多关键技术：如水下辐射衰减特性，水下辐射光谱特性， 水下辐射背向散射，成像光谱匹配，选通技术，三维信 息获得方法与技术，多谱信息融合算法与技术，运动效 应，密封技术等。
❖ 沿光线前进方向的散射最强，而垂直方向最弱；与光前进相反的 方向的散射强度比前进方向附近的散射强度小3~4个量级。
2.2.2.3 光在水下的传播
❖ 在水下这个特殊的环境中，光在水中传输时衰减很大，因为水对 光有着严重的吸收和散射作用。因此人眼在水中不能看得很远。 即使通过人工照明的水下电视摄像机，一般也只能观察到十米远 处的物体。目前扩大水下观察距离的途径主要有以下三种：
水下机器人等水下载体上，用于水中目标侦察、探测、识 别等，可实施探雷、探潜、反潜网探测和潜艇导航避碰等。 ❖ 在民用领域，水下光电探测系统可用于水下工程安装、检 修，水下环境监测、救生打捞、海底地貌勘探、石油勘探 钻井位置测定、生物研究等海洋开发。 ❖ 水下成像技术是集微光夜视技术、水下探测技术、信息、 处理技术等交又融合的一项综合性高新技术，己成为光电 信息领域发展的一个重要方面。
目标探测与识别
目录目标探测与识别1.概述2.去伪装目标探测2.1数据浏览与准备目标波谱2.2目标探测流程化工具2.2.1选择输入/输出文件2.2.2大气校正2.2.3输入目标波谱2.2.4输入背景波谱2.2.5执行MNF变换2.2.6选择及运行分析方法2.2.7浏览结果以及提取目标2.2.8结果后处理2.2.9输出结果3.基于BandMax向导的SAM目标探测3.1工具功能介绍3.2详细操作流程3.2.1数据打开与目视解译3.2.2收集目标与背景波谱3.2.3启动SAM Target Finder with BandMax1、概述高光谱图像分类方法与传统的多光谱分类有本质的区别，从高光谱图像的每个像元均可以获取一条连续的波谱曲线，就可以考虑用已知的波谱曲线和图上每个像元获取的波谱曲线进行对比，理想情况下，如果两条波谱曲线一样，就能说明这个像元是哪种物质。
高光谱图像的这个特性，使它除了应用于一般的图像分类，还应用于物质识别、目标探测等。
图像分类更多关注的是地物覆盖和物质成分，目标识别和探测是对特定对象的搜索，其结果是"有"或者"没有"。
因此我们把高光谱图像分类、物质识别、探测等称为波谱识别。
本节以两个专题为例（去伪装目标探测与基于BandMax向导工具的SAM目标探测），学习ENVI中提供的高光谱目标探测与识别功能。
2、去伪装目标探测去伪装目标探测也是利用高光谱图像的地物识别能力，从图像上探测遮掩或者伪装的目标，比如一种特殊物质、矿物甚至军事目标等。
下面以从图像上探测一个目标为例（练习数据存放在"..\18.目标探测与识别\数据\1. 目标探测"中），介绍ENVI的Target Detection Wizard工具的操作流程。
在本例中，示例数据是包含384个波段，波段覆盖382nm~2500nm的高光谱数据。
主要过程如下：从图上目视解译一个目标（可以是多个目标），以这个目标的平均波谱作为参考，搜索整个图像，识别具有类似或者相同波谱的目标。
目标探测识别约翰逊准则 -回复
目标探测识别约翰逊准则-回复什么是目标探测识别？目标探测识别（Target Detection and Recognition）是一种重要的遥感应用技术，旨在从遥感图像中自动识别和提取出特定区域的目标。
目标可以是地面建筑物、道路、森林、岛屿、河流、冰雪、农田等自然和人工构成的区域。
目标探测识别技术广泛应用于军事、环境、城市规划、农业等领域，其核心是利用遥感图像的信息和特征，实现目标的自动化识别、分类和定位。
在目标探测识别中，约翰逊准则是常用的评价标准之一。
什么是约翰逊准则？约翰逊准则（Johnson’s Criteria）是介于目标检测的信噪比和人眼视觉特性之间的一种经验公式，它描述了当目标的信噪比大于某个临界值时，人类视觉系统才能够跟踪目标，从而实现目标的探测和识别。
约翰逊准则的公式为：S/N≥K其中，S/N为信噪比，K为临界常数，其值取决于目标特性和观测条件等因素。
约翰逊准则的物理意义是什么？约翰逊准则的物理意义是指当目标的信噪比达到一定阈值以上时，人类视觉系统才能够确信探测到目标，从而实现目标的识别和定位。
这个阈值就是约翰逊准则中的临界常数K。
当信噪比越大，目标越容易被探测和识别，而当信噪比越小，目标就越难以被探测和识别。
因此，约翰逊准则是一种衡量目标探测性能和目标识别能力的重要标准之一。
如何应用约翰逊准则进行目标探测识别？为了实现目标探测识别，我们需要采集遥感图像，并根据图像的特征和目标的特性进行信噪比的计算。
具体步骤如下：1.采集遥感图像在进行目标探测识别之前，我们需要先获取目标所在区域的遥感图像。
遥感图像通常采用空间分辨率高、时间分辨率短、光谱分辨率宽的高分辨率多光谱遥感影像，包括卫星影像、航空影像和无人机影像等。
2.计算信噪比在获取遥感图像后，我们需要根据信号强度和噪声强度计算信噪比。
信号强度通常指目标的辐射灰度值，而噪声强度通常是指遥感图像的背景噪声。
信号强度和噪声强度可以通过灰度直方图分析或小波分析等方法进行计算。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
调研报告1：
目标探测与识别技术的研究手段调研
目标探测与识别技术的发展状况
目标探测与识别是一门多学科综合的应用技术，它涉及的学科领
域有传感器技术、测试技术、激光技术、毫米波技术、红外技术、近
代物理学、固态电子学、人工智能技术、海陆空武器技术、引信技术
等。它的主要目的是采取非接触的方法探测固定的或移动的目标，通
过识别技术，完成对控制对象的控制任务[]1。
目前目标探测的手段有红外热成像、微光夜视、电视摄像、激光
测距、毫米波、微波和激光雷达、声探测、紫外探测等主被动监视装
置，覆盖了从紫外到无线电波的宽广的电磁波谱。这些装置的综合应
用，已能昼夜、全天候范围监视战场和捕获、跟踪目标，并准确定位，
成为未来战场夺取信息优势的物质基础。
目标识别的手段主要有光字符识别技术、条码技术、射频识别技
术、磁识别技术、语音识别技术、图形识别技术和生物识别技术等[]1。
在军事航空领域，对目标的探测定位能力的更高要求已成为航空
电子系统不断扩展的需求牵引之一，而现代隐身技术、对地攻击武器
技术的不断发展逐步使光电探测设备的地位不断上升。
在军事应用中，目标信息获取技术可能的感知空间覆盖了武器系
统可能配置的全部空间，从地球外层到大气层、地面、地下、海面、
海下及水下，其波长覆盖整个电磁波谱。
在高新技术弹药上，目标探测也成为一种主要的功能[]2。在“三
打”（打武装直升机、打巡航导弹、打隐形机）“三防”（防侦察、
防电子干扰和防精确打击）[]1中，目标探测与识别技术发挥着主要的
作用。
例：高光谱遥感目标探测识别技术的发展是20世纪末期以来对
地观测技术取得重大突破的又一个主要领域，也是当前遥感技术发展
的前沿和热门研究领域。从1983年第一台高光谱航空成像光谱仪问
世以来，各发达国家如美国、加拿大、法国、德国等竞相研究这一技
术，经过将近三十多年的发展，迄今为止，国际上已有40余种航空
成像光谱仪处于运行状态，高光谱遥感技术已经在很多领域得到成功
的应用，显示出很大的潜力和广阔的发展前景。
目标探测与识别技术的关键技术
目标探测与识别的核心问题是围绕着高时效和准确性这两个要
求，通过目标信息的“获取”、“处理”、“显示”、“传输”等途径实现
目标“探测”、“识别”和“确认”。发展目标探测与识别技术，高时
效和准确性是军事应用的最大特点，也是主要的关键技术[]3。
实际上，目标的获得是一个复杂的问题。已经发展了很多模型，
但它们常限于极少的军事场景。大多数模型仅部分有效，其原因是在
于实际战场的复杂性与多变性。电光成像系统与技术的发展异常迅
速，因此对模型进行修正和发展是十分必要的，以便为正确地反映现
代光电系统的性能做出判定。
准确性（自动数据采集，彻底消除人为错误）、高效性（信息交
换实时进行）、兼容性（自动识别技术以计算机技术为基础，可与信
息管理系统无缝联结）则是识别技术的关键所在[]3。
目标识别属于模式识别的范畴,模式识别的前提是获取目标的特
征信息，即获得有助于识别的原始信息数据；模式识别的关键是对原
始信号进行适当的处理，从原始信号众多特征中求出那些对分类识别
最有效的特征，以实现特征空间维数的压缩，即特征的提取与选择[]4。
神经网络目标识别系统，将智能置于系统的结构和适应规则中，
它的优点不是针对一个问题或一个应用，而是整个问题，它不要求数
字化的数据，可将传感器来的信息以相应的形式直接传送到神经网
络，系统则能通过例子训练学习，从而识别在各种背景下的目标。识
别的前提是高质量的探测[]3。
对于工作在可见光谱区的成像器件来说，景物单元的发射性质通
常不太重要，在远红外区，反射辐射的贡献通常可忽略不计，只有目
标和背景的发射性质才是重要的。在近红外和中红外区，目标和背景
的反射和发射的性质可能都是很重要的。
例：高光谱影像目标探测识别是高光谱信息处理中的重要环节之
一，与此同时，高光谱遥感数据具有多、大、快等特点，即波段多(凡
十个到几百个)，光谱分辨率高(纳米数量级)，数据量大(每次处理数
据一般在千兆以上)，数据率高(从每秒数兆到每秒数百兆)，因此，传
统的探测识别分析方法难以满足实际应用的需要，目前人们曾提出过
许多不同的方法，这些方法主要可以分为两类：光谱探测方法和特征
探测方法。其中光谱探测法的原理简单、计算简洁，但由于各种因素
的影响，使目标光谱中往往存在许多噪声，给光谱探测带来一定的困
难。而基于特征空间的探测方法如多元统计分析、模糊数学等存在高
维数据量带来的计算压力，同时也一定程度上忽略了光谱特征含义。
目标探测与识别技术的发展难点
任何一种目标探测与识别系统都有其应用范围和局限性，不可能
是万能的。在当今技术发展条件下，尚没有能力研制出这样一个平台
或系统，其波谱范围覆盖紫外—可见光—红外—微波，直到无线电波，
且分辨力(空间、时间、波谱、温度)高，并具备从信息获取到信息处
理和应用的高准确性、高时效、实时或准实时的能力。
从20世纪80年代以来，由于微机、微处理器在鱼雷中得到广泛
的应用，如美国MK48-5线导鱼雷、英国的虎鱼线导鱼雷和俄罗斯
65
型尾流自导鱼雷等通过首侧声纳对目标有尺度分辨能力，可发射
复杂波形波束提高对诱饵的欺骗能力，因而具有智能化的明显优点，
迫使各主要海军国家研究鱼雷对抗的新技术和新装备，进而在软杀伤
技术(如施放干扰器、声诱饵等干扰和诱骗鱼雷)、硬杀伤技术(如采用
深弹、水雷、反鱼雷鱼雷等对抗鱼雷)等方面均取得了很大的发展。
如英美合作的水面舰艇鱼雷防御计划(SSTD)已开发出传感器鱼雷识
别和报警处理器，该系统基于数字处理技术，采用专门研制的算法实
现对鱼雷的自动探测、识别和定位。
例：从空间对地观测的角度来说，高光谱遥感信息无论对地物理
化特性的深层探索，还是对地物间微小差异的精细识别，以及对自然
界的知识发现，都为人类提供了前所未有的丰富信息。随之而来的问
题就是：面对如此多的波段，如此海量的光谱图像信息如何去处理，
如何从中提取我们需要的信息。
目标探测与识别技术的发展趋势
随着空战装备技术的发展和空袭战术的改进，现代战场上巡航导
弹、武装直升机等低空、超低空目标越来越多。这些目标飞行高度低、
航线隐蔽，非常难以发现。这种情况，促使防御一方不断采用最新科
技成果以改进自己的防空预警系统，从而大大促进了低空、超低空目
标预警和侦察技术的发展和进步[]5。
现代目标信息获取与处理系统一般是利用车载、机载(无人机、
飞艇)、舰载、星载(低轨、同步)传感器，实现高分辨力、全自动、多
光谱、多时相、地球空间信息获取，利用图像处理技术、通信技术、
信息融合与提取技术、目标探测与识别技术以及全球定位系统技术和
地理信息系统技术，实现信息快速传输、目标地形自动重建、目标自
动识别以及战争指挥决策的现代化。
自动目标识别(AutomaticTargetRecognition，ATR)是一种利用人
工智能技术实现对传感器获取的目标特征进行分类和识别的智能化
技术，全程不需要人员的干预，是现代战场上武器智能化的重要核心
技术[]6。由于真实战场条件下目标容易受到各种背景信息和杂波的
干扰，对其进行探测和识别的技术一直是研究的热点。传统的目标识
别——特别是复杂地面背景下的目标识别，需要人工参与决策，限制
了武器系统的应用范围。机器人技术在战场上的广泛应用也迫切需要
人们开发出无人值守的智能识别技术，以减轻控制人员的工作压力。
结合计算机技术和智能技术的自动目标识别技术成为解决这些难题
的一种有效途径，成为当前各军事强国优先发展的对象。
例：目前实用型成像光谱仪的应用主要集中于航空遥感领域，如
美国的AVIRIS、GERIS，加拿大的FLI等，而在航天领域，除较为
熟知的美国EOS计划中的中分辨率成像光谱仪(MODIS)和欧空局的
中分辨率成像光谱仪(MERIS)之外，Orbimage公司的Orbview(280波
段)，日本ADEOS—II的CLI遥感器，美国EO—l卫星高级陆地成像
仪(ALI)都在研制或计划发射中。可见高光谱遥感目标探测识别技术
发展趋势倾向于高端、敏感、准确。
参考文献
[1]张河主编.《探测与识别技术》北京理工大学出版社.2005.2
[2]王颂康主编.《高新技术弹药》兵器工业出版社.1997
[3]周立伟主编.《目标探测与识别》北京理工大学出版社.2005
[4]孙即祥主编.《现代模式识别》国防科技大学出版社.2001
[5]张景旭主编.
《国外光电系统空间目标探测进展》中国光学与应用
光学出版.2009
[6]丛敏主编．《自动目标识别技术的发展现状及其应用》飞航导
弹
.1999