高光谱成像仿真与管理系统技术报告.doc

高光谱成像仿真与管理高光谱图像及仿真系统技 术 报 告 二0一五年九月目 录第1章引言1第2章高光谱成像仿真与管理系统技术难点32.1高光谱成像仿真与管理系统的原理32.2高光谱成像仿真与管理系统的技术难点52.3高光谱目标检测技术研究现状52.3.1高光谱图像数据特点62.3.2高光谱图像分类研究6 2.4 高光谱成像仿真与管理系统概述72.4.1客户端系统概述7第3章高光谱成像仿真与管理系统设计方案93.1技术原则93.2相关标准103.2.1文档的参考文献113.2.2 引用文档173.3 系统测试条件18 3.4 系统实施方案18 3.5 系统监测方案203.5.1功能检测203.5.2性能检测21 3.6 高光谱成像仿真与管理软件总线设计21 3.7 系统运行环境223.7.1系统硬件环境223.7.2系统软件环境233.7.3系统建设过程23第4章高光谱成像仿真技术与管理系统实现254.1图像库功能模块系统实现254.2图像诊断功能实现26第5章系统创新点275.1技术创新关键点27第6章技术重点与适用范围286.1技术重点286.2适用范围28第7章应用前景和推广应用情况297.1应用前景297.2推广应用情况29 第1章 引言高光谱图像是将地物几十乃至几百个波段的光谱和相应的空间图像有机结合的三维图像，其中丰富的光谱信息大大提高了目标的检测能力，因此，针对高光谱图像进行目标检测已成为遥感技术的一个重要应用研究方向，然而，由于成像光谱仪的空间分辨率较低，导致高光谱图像中普遍存在混合像元。在接受目标辐射光谱时能分辨的最小波长间隔是成像光谱仪的重要指标之一，这种间隔越窄，光谱分辨率越高，根据光谱分辨率的不同，可分为多光谱型、高光谱型和超高光谱型。高光谱成像技术已经成功地应用于遥感和航空航天军事侦察领域，它不但能对地面目标拍摄高分辨率单谱图像，而且还能将每一个目标像素的光谱测出。通过测出的这些光谱特征曲线，可反演出对每一个目标像素的目标五组成成份，如树叶，绿色油漆还是塑料。从而区分开自然背景与军事目标的差别，并判断出目标的性质和种类。其最突出的特点是能够鉴别材料的组成成份，进一步揭露与背景材料不同的目标伪装。利用光谱鉴别物质成份的技术应用于军事，出现了高光谱成像侦察手段，成像光谱仪能拍摄目标的几何图像，还能显示目标的光谱特征。不同的地物类型对应不同的光谱特征，这一特征成为人们提取地表信息和认识、识别地物的重要手段和思想。高光谱成像仪在一定条件下测绘得到各类地物的光谱指纹数据，对快速实现感兴趣未知地物匹配和提高高光谱遥感分类水平有着极重要的作用。自20世纪60年代后，随着传感器技术、电子计算机技术、数据通讯技术等当代科技的快速进步，高光谱成像技术也得到迅速的发展，其覆盖的波长范围更宽，从可见光延伸到短波红外，甚至到中波红外和热红外，光谱分辨率也更高。高光谱遥感以较窄的波段区间、较多的波段数量提供大量遥感光谱信息，克服了传统的单波段，多光谱遥感在波段数、波段范围、精细信息表达等方面的局限性，使得地物在光谱空间中可以做更细的分类和鉴别。高光谱在地址、植被生态、土壤，以及城市应用等方面的研究中取得了引人注目的成果，已经成为当前遥感的一个重要的发展方向。高光谱遥感图像包含观测场景中的空间信息和光谱信息，具有“图谱合一”的特性。与一般的图像检测相比，高光谱图像目标检测除了可以利用空间信息之外，还可以利用光谱信息。由于光谱特征是不同化学成分的物质所具有的固有特征，结合该特征可大大提高在目标检测和识别过程中对目标进行定性和定量分析的能力，从而准确、高效的进行图像信息的判读、理解，提高在某复杂环境下和杂乱回波背景中对低空间分辨率小目标和低对比度目标的识别能力。与全色和多光谱遥感相比，利用高光谱遥感进行目标检测的优势也很突出。由于传统的多光谱遥感技术的光谱分辨率分常有限，导致其获取的数据中产生很多“异物同谱”和“同谱异物”现象，而高光谱遥感技术可以获取丰富的地物光谱辐射信息，对目标检测识别的能力大大提高，并且可以区分同类目标的细微差异，为目标精细检测提供了数据基础。高光谱遥感数据中成像波段数量增多，蕴含有丰富的目标光谱知识，这些光谱知识通过不同的表现和组合方式可以转化为不同的特征，为目标检测提供了更广泛的特征分析空间。Although research in software engineering largely seeks to improve the practices and products of softwaredevelopment, many practices are based upon codification of expert knowledge, often with little or no underpinning from objectiveempirical evidence. Software design patterns seek to codify expert knowledge to share experience about successful design structures.第2章 高光谱图像仿真系统技术难点在高光谱图像仿真与管理系统研制过程中，系统结构和主要功能子系统划分如下： 2.1高光谱图像仿真与管理系统原理自然界中的一切物体都会反射太阳辐射或发射自身热辐射，地物之间的光谱特性（反射、发射）存在较大的差异，遥感成像探测就是利用地物之间光谱特性的差异来识别、探测地表的组成成份，如遥感探矿。地物的光谱特性是由本身物理化学属性所决定的，在利用遥感成像技术对农作物进行监测，就是通过不同时期的遥感影像观察植被光谱特征性的变化，计算农作物中叶绿素、水分含量的变化，从而获得农作物成长情况与受害情况。而且在不同波段范围内地物表现出的光谱特性是不尽相同的。由于地物的这种光谱特性在波段之间的差异性，目前的遥感探测技术已经广泛应用了高光谱遥感，在可见光或近红外、远红外等波段处精确的反映地物的光谱特性，为地物的探测提供全面的数据。 遥感成像技术是研究如何探测场景中地物的反射和发射辐射，并将辐射能量通过电子系统转换为图像信号的科学技术。典型的遥感成像系统由探测系统、光学系统、扫描器和信号处理系统四大部分组成。因此遥感成像技术的发展综合了遥感探测器、光学系统、扫描技术以及信号处理等科技成果。遥感成像仿真及对地物辐射信号在大气和传感器中传输过程的模拟实现。遥感成像仿真是对场景辐射分布、在介质中的传播和在探测器里能量转换过程的模拟。在整个光谱成像仿真中，需要综合考虑场景中地物的几何分布、地物的光谱辐射特性、成像时的大气条件、传感器光学系统、探测器、电子系统等对遥感成像的影像。遥感成像技术的成像过程设计的因素复杂，不同地物、大气条件、观测传感器对获取的结果影响很大。如何正确仿真这些复杂过程，是遥感成像仿真的关键所在。遥感成像仿真是基于遥感成像机理，模拟某种成像条件下（大气条件、传感器平台）地物在成像系统中生成的遥感图像，仿真图像中既包含了地物的几何特性也包含了地物的光谱特性。遥感图像仿真包含以下几个重要的过程：（1） 建立场景的三维模型，获得场景的空间几何结构和相应地物的光谱属性；（2） 根据成像机理，将像元按照成像空间分变率划分为不同地物属性、不同法向量的三维场景面元；（3） 根据辐射理论，建立场景中每个面元的辐射模型，并根据像元中所有面元之间的三维几何结构，计算像元内各面元之间的相互辐射；（4） 考虑遥感成像时的大气条件，根据大气的辐射传输特性，计算大气对辐射传输的影响；（5） 模拟传感器对地物辐射能量的响应，即每个通道内辐射能量的积分累加。 图2.1 成像原理2.2高光谱图像仿真与管理系统的技术难点 高光谱图像是将地物的波段光谱和相应的空间图像图像有机结合的三维图像，其丰富的光谱信息大大提高了目标的检测能力，因此，针对高光谱图像进行目标检测已成为遥感技术的一个重要应用研究方向。然而，由于成像光谱仪的空间分辨率一般比较低，导致高光谱图像中普遍存在混合像元。混合像元问题对地物的检测和识别提出了很大的挑战，是高光谱图像目标检测方法面临的一个亟待解决的难点。因此，针对高光谱图像像元级目标检测的研究是当前遥感技术深入发展的关键问题之一。在系统分析前人研究成果的基础上，本文着眼于如何改进现有的线性光谱混合模型算法，及重点研究如何运用核方法将经典的基于线性光谱混合模型的目标检测算法扩展到非线性特征空间，解决非线性光谱解混难的问题。2.3高光谱目标检测技术研究现状 自从高光谱遥感技术被提出以来，利用高光谱图像进行目标检测一直是遥感技术研究和应用的热点，而充分利用高光谱图像丰富的光谱维进行目标检测的技术越来越受到人的重视。高光谱图像所携带的光谱信息提供了区别地物光谱细微差别的能力，使人们可以辨别诸如树木的种类、道路的类型、不同湿润度的土壤等地物以及在军事上可鉴别伪装的目标或诱饵目标。高光谱凭借：1).具有光谱识别和鉴别目标的能力，对图像空间分辨率的要求不高。2).借助光谱信息可以在场景中区分真实和诱饵目标。3).具有在复杂背景条件下自动检测图像异常的能力的优势。民用上，如矿产勘查、植被生长监测、大气成分检测等；军事上，在战场目标侦察、目标反伪装、地雷探测、毒气战剂探测等方面都显示出良好的性能和独特的优势。人们在高光谱影像目标检测方面提出过许多算法，从算法处理的空间出发，可分为光谱空间目标检测与特征空间目标检测；从算法处理的目标特性出发，这些方法可以分为纯像元级目标检测和亚像元级目标检测。 基于光谱空间的检测算法是比较传统和常用的高光谱图像目标检测算法。常用的有光谱匹配、光谱微分及混合光谱分解等算法。基于光谱空间的检测算法需要预先知道感兴趣目标的实测光谱参数，然后与图像中的像元进行光谱参数匹配、分解等操作进而检测目标。该类方法优点是简单、易懂；缺点是存在光谱重建和光谱变化不确定性。 通过提取不同地物在同一图像上呈现的不同特征，进而实现目标的检测与识别。首先应该将目标特征与背景特征间的分布差异分析出来，再通过相应的特征提取算法突出目标的结构，最后应用图像分割算法检测出目标。 纯像元目标检测是相对背景而言的，当目标大小足够大时，在统计高光谱图像中的各项指标（如均值，标准差，协方差等）当中，目标的存在是不能忽略的。传统的基于光谱曲线特征的算法，如二值编码匹配、光谱角填图（SAM）、最小距离检测、光谱微分等只能应用于纯像元的目标检测。 亚像元目标检测中的目标也是相对于背景大小而言的，即亚像元中的目标成分十分微小时，可能只占半个像元空间或更少。因此，在评估高光谱图像中的上述各项指标当中，目标的存在均可忽略。针对亚像元的目标检测，有些纯像元的目标检测算法就不再适用，如将纯像元级的目标检测算法应用于混合像元的目标检测，则目标信号可能早已淹没在光谱噪声中。而数据降维的方法可能将小目标当噪声剔除掉，也无法像基于光谱特征识别的算法那样只通过几个特征就能判断目标是否存在。 2.3.1高光谱图像数据特点 通过成像光谱仪获得的高光谱遥感图像数据相对于其它遥感图像数据的优势是它除了具有二维的平面图像之外，增加了包含了地物的光谱信息的光谱维度，从而形成了一个三维数据立方体，蕴含了丰富的图像信息及光谱信息高光谱遥感数据可以从不同的角度来解读，从其光谱维来看，每个波段可以看作一个二维的地物空间分布图像；从空间成像维来看，图像中每个像元都包含有一个连续的、反映地物类别信息的光谱曲线。高光谱遥感不同于多光谱数据的特点在于：(1) 光谱分辨率很高。在可见光-短波红外谱段连续成像，其分辨率可达到纳米级(10nm20nm)；(2) 图谱合一。高光谱遥感图像将地物空间、光谱和辐射信息融合到一起，具有更加丰富的地物类别信息；(3) 光谱连续性。由于成像光谱仪的光谱通道较多，每个像元在一定范围内具有精细、连续的光谱曲线，该曲线能真实反映波谱能量百分比随波长变化的规律；(4) 高维度数据。高光谱数据维度随波段数的增加而增加；(5) 波段间信息相关性较高，隐含特征丰富。 由于高光谱遥感信息处理是对高维信息与特征的处理，具有复杂性、多样性和海量性的特点，多光谱影像的处理算法不能直接应用于高光谱数据处理中。因此，研究利用高光谱数据处理、分析、信息提取方法，挖掘高光谱图像蕴含的丰富的地物信息，成了当今高光谱遥感技术研究的重点。2.3.2 高光谱图像分类研究图像地物分类是遥感技术处理的主要内容，其依据是：相同类别的像元在光谱特征和空间特征上具有一致性，不同地物类别在光谱特征、空间特征上具有明显的差别。遥感图像分类过程，即是将像元划分到相同类别中的过程。高光谱图像数据具有高分辨率和图谱合一的特点，因而利用高光谱图像数据进行地物分类识别具有更好地可靠性。高光谱遥感数据具有高维度、小样本的特点，传统的多光谱技术分类技术直接用于高光谱图像分类具有一定的局限性，需要对其进行改进，寻求更优化的，适用于高光谱图像的分类算法模型。现在国内外遥感图像分类方法可划分为三个层次：(1) 基于像元的遥感图像分类，提取单独像元信息进行分类识别;(2) 相对较高层次的，基于目标的遥感图像分类技术，提取像元及其相邻像元的信息特征进行分类识别；(3) 基于专家系统和知识的遥感图像分类技术，该理论尚未成熟，现处于理论研究阶段。现将基于像元和基于目标的两种分类方法研究加以介绍。基于像元的遥感图像分类技术应用发展相对已经成熟，其分类模型可划分为监督分类和非监督分类两种，两种划分的依据是：监督分类根据先验知识提取像元的统计特征，进行类别划分，即利用已知的各类别训练样本，提取有效分类特征训练确定判别规则，实现待测样本的类别标记；非监督分类没有先验信息，通过图像中像元的统计特征划分样本类别标签。在实际应用中，监督分类算法和非监督分类算法有各自的优缺点。典型的非监督分类方法是 K-mean 法和 ISODATD 两种方式，其主要依据样本点在空间中的聚集情况划分类别，使得同类别样本间的距离尽可能小，不同类别样本间的距离尽可能大。非监督分类算法实现步骤为：首先，确定图像中地物类别数目，根据样本统计信息确定初始聚类中心。其次，根据距离最近原则来判定划归同一类像元，完成初始类别划分。初始类别划分后，重新计算各类别的聚类中心并进行样本修正，完成第一次迭代。再次，以新的聚类中心进行下一次像元聚类，直至得到最优的聚类结果。 遥感图像分类比较常用的监督分类方法，包括基于统计模型分类方法、基于神经网络分类方法和基于支持向量机(Support Vector Machines, SVM)分类方法等。基于统计的分类模型主要有：最大似然分类模型、光谱角匹配模型、Fisher 线性判别模型等。最大似然模型计算像元隶属于某类的概率，将像元划分到所属类别概率最大的像元的类别中。该方法需要较多的训练样本提取个类别统计特征，针对这一缺点。Jia和 Richards 将高光谱数据分成几个光谱子波段组，对子波段进行最大似然分类，实现高光谱图像分类。光谱角匹配模型则是将像元的光谱曲线矩阵看作一个方向矢量，通过计算待分类像元与参考像元之间向量的夹角，来确定像元的所属类别。Fisher 线性判别模型于组间最大分离原则，以多维正态分布为基础，找到一个投影方向，使得像元在该方向上的投影像元的类间距离最大，而类内的离散性最小，因而，像元能更好的被分开识别。为了获得良好的分类性能，基于统计的监督分类模型需要大量的训练样本进行训练才能得到最优的分类模型。由于高光谱数据高维度的特点，在监督分类过程中，分类模型所需训练样本数随着图像波段数的增加而增加，当训练样本数目有限时，会出现Hungers 现象，即达到某一阶段时，分类精度随像元波段数的增加而下降。2.4高光谱图像仿真与管理系统概述：2.4.1客户端系统概述：1. 用户登录、个人信息修改2.用户管理、服务端信息管理(需要系统管理权限)3.服务端信息配置4.图像上传4.1图像路径、以及图像信息填写，图像信息中包括图像内容标签、拍摄地点等4.3简单的图像编辑功能，包括图像裁剪、旋转、缩放等5.图像查询5.1提供按照拍摄日期、图像标签、上传用户进行查询的功能5.2查询结果以列表/缩率图的形式显示，并提供下载、编辑(拍摄用户可以修改)功能5.3提供可见光与高光谱图像独立及联合查询三种方式6.图像下载6.1按条件查询出结果，提供单个文件/批量下载两种方式7.图像删除，提供单个文件/批量删除两种方式8.高光谱图像仿真可生成的高光谱图像分辨率为115nm，图像空间分辨率为0.15m。能够仿真的背景包括草地、农田(两类农作物)、水体、道路、沙漠、岩石、天空，目标包括卡车、火车、吉普车、轿车、木船、水泥船、钢船、民航客机、直升机、运输机、军事战斗机、石拱桥、钢结构桥梁、混凝土结构桥梁、砖瓦房、水泥平房、混凝土结构楼房等8.1输入标签或者可见光图像，生成高光谱图像。8.2高光谱图像编辑功能，包括普通图像编辑、高光谱图像参数调整8.3上传高光谱图像到服务端8.4保存高光谱图像到本地2.4.2服务端系统概述：1.验证用户登陆信息2.管理数据库3.客户端远程通信 4.本地文件管理第3章 高光谱图像及仿真系统设计方案3.1 技术原则系统采用成熟可靠的平台技术和系统模型，充分利用计算机系统、数据库、网络通信和系统安全技术发展的最新成果。（1）系统的可靠性和先进性对高光谱图像仿真与管理系统是一个具有挑战性的课题，要实现这个目标，系统需要设计先进、合理的算法来提高成像准确度，算法能够满足系统中提取成像数据的准确度和运行速度的要求，并达到完全的实用化要求。系统具有性能可靠、技术成熟、功能完善、体系先进，系统配置灵活、操作方便、布局合理，满足长时间稳定工作的要求。（2） 成像数据解析的准确性 使用高光谱遥感技术能够精确的对地物的位置、大小、形状等计算出其数据，在数据准确无误的基础上进行高光谱成像。（3）开放性和可扩展性系统应具有开放的体系结构和良好的扩充能力，在各地市级平台上线后也可以无缝接入平台。系统具有良好的标准性、开放性、集成性、安全性、可扩充性及可维护性，可根据需要方便地进行网络逐级汇接，增减各类站级前端设备等。（4） 标准性系统所用软件、硬件、人机界面、通信协议和通信接口等遵循当前最新国际标准、国家标准、工业或行业标准。系统所使用的视音频编解码标准采用符合大规模拓扑网络的传输需要的、低比特率的、交互式的、先进通用的国际标准。采用符合国际标准的耐压、抗浪涌电压冲击、抗雷击、抗强电磁干扰等其它抗干扰措施。（5） 现有网络资源的优先选择性系统各层次的网络互连优先使用现有的网络资源。3.2 相关标准 3.2.1文档：文档依据：目标光谱特征数据库技术要求 高光谱成像仿真软件技术要求文档内容：主要包括测试环境和条件，测试内容和实施方法，测试结果等文档面向的用户：测试人员测试目的：检测非标软件及集成系统是否符合合同，研制要求中规定的功能，性能等指标。3.2.2引用文档：标识标题修订版本日期来源目标光谱特征数据库技术要求1.02014/12/16电子工程学院高光谱成像仿真软件技术要求1.02014/12/16电子工程学院3.3 高光谱图像仿真与管理系统测试条件测试条件:设置条件(测试用的软硬件环境或集成系统是否安装就绪，使用的测试工具， 人员保障); 校园局域网内设置测试主机5台，服务器1台，宽带10MB/s,100MB/s,1000Mb/s,分别按照软硬件环境安装设备，并使Mercury，Rational和Segue测试工具进行测试.客户端人工干预的方式进行，服务端对客户端的请求进行处理返回消息。测试过程中对断电情况进行设置，测试系统的鲁棒性，响应时间，以及可拓展性。3.4高光谱图像仿真与管理系统实施方案高光谱图像仿真系统的重点是通过长期的工作积累，利用遥感技术准确的将地物图像识别出来，而完成这一工作的关键在于拥有一个设计合理、信息完整的故障图像及相关信息的数据库设计。（1）数据库设计该数据库从数据类别上分主要包含图像和辅助信息两个方面，考虑到遥感设备的种类很多，且每个设备在不同部件或部位或有不同的故障表现，数据库的设计采用围绕设备的展开的分层设计模式。在完成数据库的设计之后，为了进一步发挥数据库服务器的效能，减少网络通信和客户机资源负担，在数据库端进行必要的程序设计和开发，主要包括视图设计和存储过程设计，把对数据库的复杂操作尽量放在数据库服务器端执行。数据库的设计基本思路如图4所示。设 备 构 成 表标准正常图像表典型故障图像表图像信息表故障信息表 数据库设计框图在设备构成表中，主要是需要监测的所有形成图像信息及其分部件和部位的树形结构。针对某个特定监测部件，其典型的故障图像和对应的标准正常图像分别进入典型故障图像表和标准正常图像表，不论是故障图像还是正常图像，对于图像的基本信息属于图像信息表管理，该表中包含图像的采集时间、采集地点、设备的名称及部位（与设备构成表关联）、相机参数（如红外相机编号、焦距等）、环境参数（如温度、湿度）、图像参数（如分辨率、图像深度、图像中含文字参数情况等）、温度信息（如最大温差，最大最小温度等）。如果是故障图像，其关于故障的信息在故障信息表中体现，该表主要含有故障的描述信息和故障处理信息，包括故障的类型、形成原因、故障等级、可能危害描述、处理方法描述、故障判断标准描述、故障位置信息（故障点在图像中的位置和范围）。从数据功能上分主要有各个设备标准图像信息库、典型故障图像信息库和日常采集图像及信息数据库三个部分。其中日常采集图像及其信息数据库主要是把日常采集的图像保存下来，并组织好、管理好，为今后进一步的数据挖掘提供第一手的资料。（2）基于故障树技术的故障诊断系统本项目需要根据不同设备的不同情况进行辅助诊断，不同设备的诊断标准也会不同，因此需要建立一个辅助故障诊断系统。系统建立的质量直接影响辅助诊断的准确性和系统的可靠性。故障树分析法，简称FTA(fault tree analysis)，是可靠性工程中有效的方法之一，特别适合于复杂系统的分析。故障树是一种递归定义的数据结构，特别适用于存储具有层次性的结构数据。在计算机中利用故障树技术进行故障分析，可以实现建树、定性定量分析计算，到最后输出控制途径。故障树技术用数理逻辑符号把造成失效的各种原因，按其内在联系的规律，有机地联系起来，从而可根据逻辑图确定故障原因的各种可能组合方式和发生概率。应用最小割集来建造知识库，可描绘出处于故障状态的基本故障，与传统方式比较，在与系统的交互操作过程中，可大量减少搜索空间。（3）推理机的编制通过建立故障树，根据规则的特征和解释使用规则的过程，用未知的候选结构作为根节点，反复用规则作用于非终节点而形成记载过程的推理树，将这种推理树用于系统的推理机制中，使计算机模仿专家分析和解决问题。系统的推理机是整个系统处理问题的核心模块，包括两部分：推理控制策略，主要是指推理方向的控制及推理规则的选择策略和搜索策略；推理方向，包括正向推理、反向推理及正反向混合推理。本系统采用正向推理，从已知事实出发，逐步推导出最后结论。诊断流程如图5所示：系统诊断流程3.5高光谱图像仿真与管理系统检测方案3.5.1 高光谱图像仿真与管理功能检测1. 功能1 用户登陆(功能1功能测试/GN1-GNCS)测试方法、步骤：在不同主机上使用不同账号登陆预期结果：用户成功登陆2. 功能2 图像上传(功能2功能测试/GN2-GNCS)测试方法、步骤：对数量不等的图像进行上传预期结果：图像上传成功3. 功能3 图像查询(功能3功能测试/GN3-GNCS)测试方法、步骤：使用多种条件进行图像查询预期结果：查询成功，正确返回查询结果图像4. 功能4 图像下载(功能4功能测试/GN4-GNCS)测试方法、步骤：按照批量和单个文件两种方式进行下载预期结果：图像下载成功5. 功能5 图像删除(功能5功能测试/GN5-GNCS)测试方法、步骤：勾选多幅图像，进行删除预期结果：图像删除成功6. 功能6 高光谱图像仿真(功能6功能测试/GN6-GNCS)测试方法、步骤：使用不同背景和不同材质的目标进行高光谱图像仿真预期结果：仿真成功，生成包含不同材质以及不同背景的高光谱图像7. 功能7 高光谱图像仿真(功能7功能测试/GN7-GNCS)测试方法、步骤：使用不同波长的光生成多波段的高光谱图像预期结果：仿真成功，生成包含多波段的高光谱图像3.5.2高光谱图像仿真与管理性能检测性能测试的内容主要是考察系统各个子模块是否能够正确执行，并查看系统的响应实时性是否满足设计要求，以及系统能否正常稳定运行。以下针对系统的两个主要子模块进行性能测试：1、 高光谱仿真子模块性能测试（子模块性能测试/ZMK1-XNCS）：测试目的：对高光谱仿真子模块的性能测试，其目的是为了验证该模块能够正常稳定的完成高光谱图像的仿真功能，即对输入的一个可见光图像，其可以生成一个相应的高光谱图像，并且能够完成对可见光图像中各目标的正常仿真。测试方法：对该模块的测试，主要是进行白盒测试，即，为了完成对高光谱仿真子模块的测试，也就是检测该模块是否能够对输入的可见光图像，正常的生成相应的高光谱图片，所以，测试的过程包括准备一批可见光的测试图像数据，并将这些可见光测试数据逐个输入到高光谱仿真模块中，观察其输入结果。预期结果：对高光谱仿真子模块的性能测试，其预期的测试结果是，该子模块能够对输入的可见光图像，生成相应的高光谱图像，即，对输入的可见光测试数据，模块的输出结果是符合设计要求的高光谱图像。2、 高光谱图像数据库子模块性能测试（子模块性能测试/ZMK1-XNCS）：测试目的：对高光谱图像数据库子模块的性能测试，其目的是为了验证该模块能够正常稳定的完成高光谱图像数据的存储功能，即对系统所有的可见光图像，高光谱图像，以及目标的光谱特征的存储，获取及修改功能。测试方法：对该模块的测试，主要进行的是白盒测试，即，为了完成对高光谱图像数据子模块的性能测试，就是要检测该模块是否能够将该系统的所有需要存储的可见光图像、高光谱图像以及目标光谱特征的存储，修改，查询功能，所以，测试过程包括，准备一批可见光图像和高光谱图像以及目标光谱特征数据，并将这些测试数据输入到高光谱图像数据库中，并对这些数据进行查询，修改，观察高光谱图像数据库中的数据是否符合系统设计要求。预期结果：对高光谱图像数据库子模块的性能测试，其预期的测试结果是，该子模块能够正常稳定的完成对输入的可见光图像、高光谱图像以及目标光谱特征的存储、查询、修改功能，即，对获取的可见光图像、高光谱图像以及目标光谱特征，能够正常的存储在高光谱图像数据库中，并对存储在其中的数据的修改、查询、更新操作，也完全符合系统的设计要求。 3.6高光谱图像仿真与管理软件总线设计对高光谱图像仿真与管理系统软件总线功能进行了设计。软件总线的设计目标是为用户提供一个具有良好的开放性、透明性、可靠性和通用性的可重用的系统解决方案。对高光谱图像仿真与管理系统软件总线的功能主要有：（1）通讯：用于协调平台和各个“接插”在综合平台总线上的由不同开发商提供、不同语言编写、不同环境下运行的平台构件之间的数据传输，实现构件之间的通讯；（2）构件管理：对组织成构件及其构件库的平台进行管理，根据任务需要动态地实现构件安装和卸载，并以不同方式组织系统结构，应对系统开发的变化；（3）任务调度：根据数据调度相应的任务，实现数据的流动、转换与处理，实现平台系统通过总线对平台构件的调用、安装和卸载；（4）接口控制：完成构件同总线的交互，实现平台系统对构件库的管理和控制、构件之间的互相通信联络、数据和信息的传送。软件总线通信功能模块由通信结构、构件管理功能模块、任务调度功能模块、接口控制功能模块构成。软件总线通信结构由总线API、总线接口、总线管理和总线服务四部分构成。应用程序的通信方式采用C/S模式。总线API向用户提供一组函数，是用户和软件总线进行交互的界面。用户通过调用这些函数向总线登记、注册、发送和接收消息。进行应用程序载入、删除及查询等操作时，总线API通过收发消息以及共享内存等手段与软件总线通信。软件总线中应用程序间的数据传输通过API进行，数据传输开始时，向总线接口和总线管理查询得到终点地址，然后，在本应用程序和终点程序之间建立连接，以后的数据收发都是通过该连接在双方之间进行，和软件总线的其它部分无关。接口控制功能模块将构件规范划分成多个接口可以使构件的相关性被限制到个别接口。3.7系统运行环境 3.7.1 系统运行的硬件环境服务端CPUIntel Xeon MP 2.7G内存2GB硬盘512GB操作系统Windows Server 2008数据库SQL Server 2008客户端CPUI3处理器内存2GB硬盘10GB操作系统WIndows XP/7/8/103.7.2 系统运行的软件环境测试软件环境（操作系统、数据库、办公软件及其他应用软件，说明软件版本）操作系统：Windows7旗舰版; 数据库：SQLSever2008;办公软件：Microsoft Office2010、浏览器 IE10服务端操作系统：windows sever R2 20083.7.3系统建设过程 系统建设过程拟分成如下阶段实施：（1） 系统需求调研阶段：收集和分析系统需求（2） 系统建设方案论证阶段：分析系统技术选型和讨论系统建设方案（3） 系统设计与开发：系统分析设计和研发，包括系统的测试（4） 系统部署阶段（5） 系统试运行阶段（6） 系统验收与推广阶段第4章 高光谱图像仿真系统的实现4.1 图像库功能模块系统实现在相关工作人员通过正确的登陆指令登陆界面，可以对图像库进行相关操作，操作界面如图： 用户登陆界面 功能选择界面 图像上传界面 仿真图像管理界面 高光谱仿真结果4.2 图像诊断功能实现该系统包括图像数据库管理模块，