杜 珺，高九萍

（1.晋中职业技术学院，山西 晋中 030600；2.山西北方风雷工业集团有限公司，山西 侯马 043000）

0 引言

在军事侦察中，对目标的判断与识别十分重要，传统可见光目标识别受环境杂光、目标伪装等影响明显，往往无法有效区分目标、伪目标以及背景［1-3］。基于光学手段的目标识别主要分为主动型和被动型。主动型指采用主动光源完成对被测区域照射，进而获取目标图像，如激光光源等［4］。基于激光的主动型目标识别系统具有很强的指向性，具备精确定位及成像的能力，受环境干扰小，扫描式激光还可实现精度较高的目标形状信息［5］；被动型虽然识别效率不如主动型，但由于无源而更安全更隐蔽。通过采集待测区域的可见光、红外光或偏振光等完成对目标的图像重建，从而实现目标识别的目的。由于可见光无法全天候监测，偏振光受待测目标合作性影响显著，故基于光谱探测的目标识别技术备受追捧。

在同等光学成像设备基础上，目标识别概率与误检率主要取决于光谱数据处理算法，用于光谱数据处理的算法有很多，例如主成分分析［6］、偏最小二乘回归［7］、反向传输神经网络（BP，Back Propagation neural network）［8］、支持向量机［9］、粒子群优化（PSO，Particle Swarm Optimization）［10］、蚁群算法（ACO）［11］等。各种算法根据其不同的特点，适用于不同的应用场合，ANN 和PLS 多用于光谱特征明显或变化趋势显著的数据区分；BP 和SVM 对多组分光谱、混合光谱中非线性数据分类具有较好的应用效果；PSO 和ACO 则更适用于数据量较大的寻优计算与快速收敛问题。……