空间目标材料偏振光学特性研究

基于二向反射模型,对碳纤维、渗碳膜、F46和OSR四种典型的空间目标样本的偏振光谱数据进行测量;通过测算样本Stokes参量获取样品多角度下的线偏振度与偏振角信息,并对其进行统计.结果表明,样本线偏振度和线偏振角的均值、方差之间存在较大差异,对比分析样本均值和方差之间的关系能有效提高目标的探测和识别性能,可以解决传统光谱技术上产生的"同物异谱"和"同谱异物"问题;所获取的偏振特性可为偏振遥感提供更多的光学信息.     

多光参量测量成像技术用于雾霾天气的实验研究

针对雾霾天气条件下目标对比度下降问题,研制成功了一套多光参量测量成像系统。通过多光参量成像的系统级辐射响应模型及模型参数分离式标定,实现雾霾天气情况下的多种场景目标成像实验观测。结果显示:楼房玻璃反射光中的偏振分量相对较强,通过线偏振、圆偏振、偏振角图像,可以清晰地分辨玻璃窗结构;普通的强度信息很难辨别雾霾天气下的路口车辆,在线偏振及偏振角图像中能够看到车辆,但是掺杂了树木的偏振信息,车辆信息较模糊;在圆偏振信息图像中,树木的圆偏振信息较少,车辆目标对比度提高20%。     

基于可见光的多波段偏振图像融合新算法

采用了一种新的基于小波变换的偏振图像融合算法.首先,将两个波段中的每一波段三幅偏振图像利用小波变换分解成低频和高频部分,低频的小波系数平均值作为融合后的低频系数,高频细节系数根据不同区域特征选择方法以及对应输入图像小波系数的窗口区域方差来确定融合后高频小波系数,得到一个波段一幅图像.接着,将得到的图像再进行小波分解,采用低频图像的小波系数最小值作为融合后的低频系数,高频图像根据纹理一致性测度的纹理检测确定融合规则,用来调整高频小波系数,将来自不同图像的特征与细节融合在一起,并对融合图像质量进行了对比评价.实验结果表明,融合后的偏振图像不仅反映了场景的偏振信息,而且还包含了丰富的光谱信息,目标与背景的衬比度也得到了增强,为进一步的目标检测和识别提供了便利.     

大气传输中红外偏振探测误差机理及校正

在红外偏振遥感探测系统中,目标的红外偏振特性受到大气环境因素的影响,其反演场景偏振参量会出现误差,因此,提出基于红外偏振传输理论的红外光谱偏振参量校正算法模型。通过分析大气辐射和传输特性,建立了大气有效透射率模型,研究了不同波段范围、大气环境、传输路径、温度等因素对有效透射率的影响,依据大气有效透射率模型校正偏振参量。实验分析表明,该校正算法模型有效抑制了大气传输对探测目标的红外偏振参量测量的影响,使得偏振参量能更准确地反映场景偏振特性,提高了红外遥感偏振的探测识别能力。     

利用偏振技术识别人造目标

提出了一种利用目标的偏振信息识别人造目标的新型方法。利用自制的多波段偏振CCD地面实验装置获取目标的偏振图像,并提取其中的偏振信息。由于人造目标和自然目标的偏振特性上有较大差别,因而根据这些信息,通过较常规的图像处理手段,即可很好地识别出图像中的人造目标。实验证明,该方法识别自然背景下的人造目标是相当有效的。     

基于颜色迁移和聚类分割的偏振图像融合方法

为克服当前偏振图像融合方法存在的不足,提出了一种基于颜色迁移和聚类分割的偏振图像近自然彩色融合方法.该方法首先将偏振参量图像映射到HSI颜色空间,再得到初步的融合图像后将它变换到YIQ颜色空间,并采用颜色迁移技术对其进行颜色修正.通过将修正后的图像变换到HSI颜色空间,并利用对线偏振度图像进行模糊C-均值聚类分割的结果...     

基于模糊聚类和证据理论的光谱偏振图像分类

为了将光谱偏振信息用于物质分类,提出了一种无监督聚类融合算法.算法结合偏振信息的特性,首先对Stokes参量中的非偏振光强参量、线偏振度参量、偏振角参量进行无监督模糊c均值聚类(Fuzzy C-mean,FCM),利用目标表面的偏振特性以及聚类结果分配置信指派,然后对这些置信指派进行加权融合.仿真实验表明了算法的有效性.     

融合偏振信息的多孔径水下成像算法

水下光学成像是探索水下奥秘的关键技术,但是环境中介质吸收和背向散射效应会造成图像严重退化.基于差分偏振的复原技术是水下图像复原技术的主要方法之一,通过正交偏振图之间的共模抑制实现背景散射光的抑制,但是相关研究表明该方法对于非均匀光场等情况的恢复效果一般,其原因主要在于非均匀光场条件下偏振度和强度的估计误差.针对上述问题,本文提出融合偏振信息的多孔径水下成像技术,该方法利用相机阵列实现虚拟大孔径成像系统,从而获取广角光场信息,进而融合场景的深度信息实现背景散射和偏振度的精确估计,估计参数值能更好地反映场景的全局特征.对浑浊水下环境中不同偏振度目标进行成像实验,与目前先进的复原算法进行对比,结果表明,本文方法能够有效克服水下非均匀光场带来的问题,得到高质量的复原结果.     

基于密集梯度生成对抗网络的偏振图像融合算法北大核心CSCD

针对单幅偏振图像在一定场景下无法提供充足信息的问题,结合强度图像和线偏振度图像的优势特征,提出一种基于密集梯度生成对抗网络的偏振图像融合算法。利用密集连接卷积网络和梯度算子构建密集梯度卷积模块,并将该模块应用在生成器中,用以增强融合图像的纹理细节;构造多尺度结构相似度和L1范数相结合的损失函数,用以提高网络的整体性能。在ZJU-RGB-P数据集进行定性比较和定量分析,实验结果表明,所提算法具有更好的主观视觉感受,同时各项评价指标均得到明显提升。     

多尺度水下偏振成像方法

水下偏振成像技术利用散射光偏振特性能够有效提高水下成像质量,在水下目标探测和识别领域具有重要应用价值.针对该技术在背景散射光和目标信息光分离时由于噪声放大现象导致重建图像质量受限的问题,提出多尺度水下偏振成像方法.该方法利用图像分层处理思想,结合小波变换的多尺度特性,对体现图像高对比度的基础层和低对比度但细节信息丰富的细节层分别进行处理,重建高对比度、高信噪比的清晰场景图像.实验结果表明,多尺度水下偏振成像方法不仅能够大幅提高对比度,复原图像细节信息,而且能够有效抑制放大噪声,提高重建图像的信噪比,在水下偏振成像领域具有良好应用前景.     

利用一种偏振方法减小由强反射或弱反射强度引起的植被反演误差

无论是多角度遥感的发展、还是偏振、高光谱遥感的发展,它们有一个相同的目的,即利用电磁波的种种特性、以及空间特性来对地球表面的一切地物进行精确的识别。任何单一的方法和手段不可能完整地描述和反映地物的所有特征。偏振测量是目标测量识别技术中不可缺少的技术之一,并且成为近年来全世界目标识别领域中的研究热点。由于定量遥感的反射强度对植被遥感的影响不可忽视,反射辐射信号呈现饱和或过弱都不能被检测到。而偏振是植被定量遥感的重要手段,因而有必要开发一种克服由反射强度强弱引起的植被反演误差的方法,这也是我们目前的研究目标。如果反射的辐射信号太强或太弱,都会影响遥感的准确性,而来自植被的偏振光可以提供有用的信息,特别是当反射的辐射信号饱和时,使得传感器不能获得足够有用的非偏振信息。本研究采用基于地面的偏振成像光谱仪系统,开发了一种偏振方法来克服反射强度过强过弱引起的植被反演误差。利用FISS-P偏振成像光谱仪系统研究了反射强度对遥感植被NDVI和DoLP效用的影响,实验地点在北京市中国科学院奥林匹克科技园。在对目标采样时对反射率强,反射率弱以及反射率适中的植被分别测量,同时对目标植被的不同波段(470, 555, 670, 864 nm)的DoLP进行计算与分析。地基成像光谱仪系统(FISS-P)提供了具有偏振信息的高空间分辨率图像,我们可以确定在阴影和强反射区域中单个像素的光谱偏振特性。在成像光谱信息的基础上,利用光的偏振性来对地物的物理特性进行分析。本文使用斯托克斯分量来表征反射光的各个偏振分量,使用线偏振度(DoLP)表征反射光偏振程度。信号饱和度和阴影效应导致归一化植被指数(NDVI)植被密集程度非常低,造成严重的反演误差,然而强反射对线偏振度(DoLP)的影响不大。研究结果表明,反射辐射信号饱和时,偏振效应可以通过适当的频带提高植被的反演精度,平均NDVI的相对误差为33.8％,而DoLP(670 nm)的相对误差仅为6.3％,而其他波段的DoLP(555 nm,864 nm)的相对误差要大很多。这项研究结果表明,在植被识别时可以忽略强反射,然而,阴影(弱反射)效应是不容忽视的。FISS-P偏振成像光谱仪是用于计算具有不同反射强度的样品类型的偏振和非偏振参数的有效工具,同时发现在识别植被时,强烈的反射可以忽略不计,但是植被的阴影(弱反射)效应不容忽视。与非偏振方法相比,偏振效应可以提高反射辐射信号饱和时的植被反演精度。这项研究分析了使用偏振法强弱反射强度引起的误差减少。为了进一步揭示植被的阴影(弱反射)效应与DoLP之间的关系,还有一些问题需要解决。     

一种红外偏振图像的二次融合方法

根据红外偏振特性图像的冗余性与互补性,提出了一种基于梯度特征和支持度变换的二次融合方法。利用提出的方法先对红外偏振度与偏振角图像进行梯度特征融合,然后利用支持度变换对梯度特征融合图像和合成强度图像进行二次融合,得到了边缘突出、轮廓清晰、对比度高的的融合图像。实验结果表明:融合图像与偏振角图像、偏振度图像、合成强度图像相比局部方差分别提高23.02%、176.9%、148.2%;对比度分别提高67.84%、196.5%、49.39%;平均梯度分别提高46.09%、164.1%、214.5%。     

一种基于小波变换的红外偏振融合算法

针对红外偏振图像可以较好地抑制背景噪声,对目标边缘信息比较敏感的特点,提出一种基于小波变换的红外偏振融合算法,它主要用于红外辐射强度图像和偏振度图像融合,增加图像的信息量。首先采用小波变换对参与融合的每幅图像分别进行各尺度分解,得到各尺度小波系数,然后针对不同尺度小波系数,采用邻域平均梯度为判据进行融合,得到融合后的各尺度小波系数,最后通过小波逆变换进行图像重构,得到融合图像。融合前后的图像对比表明融合图像在保留辐射强度图像的清晰度的同时,突出了目标的边缘、轮廓信息。相对于辐射强度图像,融合图像的梯度均值提高了112%,相对于偏振度图像,融合图像的标准差提高了151%,信息熵提高了38%。     

考虑探测器γ特性的光电偏振成像系统偏振信息重构方法

由于探测器响应的γ特性, 造成光电偏振成像中直接利用图像灰度重构的偏振信息与真实目标场景偏振信息的严重偏离, 基于重构偏振信息的后续定量化处理将完全失去意义. 为此, 提出了一种考虑探测器γ特性的光电偏振成像系统偏振信息重构方法, 分别针对分时和同时偏振成像模式分析了实现方法, 并设计进行了实际偏振成像实验. 实验数据表明: 探测器γ特性直接影响偏振成像系统重构的斯托克斯矢量和偏振度, γ值偏离1越大, 直接利用图像灰度重构的偏振度的重构误差也越大; 该偏振信息重构方法能够准确地重构出目标场景的斯托克斯矢量和偏振度信息, 为后续偏振成像的研究和定量应用奠定了理论基础.     

一种新的全色图像与光谱图像融合方法研究

给出了一种新的综合伪彩色映射技术和小波变换理论的图像融合方法,并将其应用于全色图像和光谱图像的融合中.通过提取两个不同谱段光谱图像的共有信息和特别信息,并进行伪彩色映射融合,来增强目标与背景的对比度.同时将伪彩色映射融合后的图像进一步用IHS变换提取空间信息,在小波变换框架下将其与全色图像进行融合以提高目标的边缘细节信息,使所获得的融合结果不仅包含丰富的光谱信息的同时还具有较高的空间分辨率.仿真图和评价指标表明,该算法在增强目标与背景的对比度以及保留目标信息等方面具有较强的优势.     

基于偏振信息的遥感图像大气散射校正

大气散射严重影响了航空遥感图像的质量。为了提高航空遥感图像的识别能力,提出一种基于偏振信息的航空遥感图像大气散射校正方法。大气散射具有显著的偏振特性,而对于垂直探测的地物辐射信号偏振度非常低,该方法正是利用大气散射偏振特性与地物目标偏振特性的差别,从图像中提取地物目标辐射信息,从而提高遥感图像的质量。通过机载多波段偏振CCD相机获取航空偏振遥感图像数据,并采用一组443 nm波段的航空偏振图像数据进行图像大气散射校正实验,实验结果表明该方法能有效地进行航空遥感图像的大气散射校正,从而提高了航空遥感图像的识别能力。     

FABEMD和改进局部能量窗口的红外中波和长波图像融合

针对探测波段为3.7～4.8 μm的中波红外图像和探测波段为8～14 μm长波红外图像融合过程中存在场景对比度低,显著性目标不够凸出,伪影引入严重的问题,采用快速自适应二维经验模态分解（FABEMD)对红外中波和长波图像进行多尺度分解以得到二维内蕴模函数(BIMFs)和残余分量(Residual)。对于每一层内蕴模函数选用改进的局部能量窗口融合规则,首先配置好加权算子以增加区域窗口中心像素的能量占比;选用不同的加权算子,经实验验证能有效突出红外中波和长波图像的能量特征信息;其次充分利用内蕴模函数的相位信息,当相位相反时,采用能量加权平均的方式,以解决融合系数的正负符号极性难以确定的问题;当相位相同时,判断二者的能量差距并依据差距大小选择设定的融合规则,融合规则基于红外中波和长波图像的灰度差异特性设定。对于残余分量则利用红外中波图像和改进区域能量窗口的最大对称环绕显著性权重图指导基础层系数的融合,自适应的局部环绕窗口充分利用了低频显著性信息,对无用背景的抑制效果也相当出色,能够在复杂背景图像中突出显著性对象,最终得到细节信息丰富,对比度明显的指导图像。最后通过FABEMD的逆变化重构过程得到融合图像,对4组不同背景、不同大小的红外中长波图像进行主观和客观性能评价,4组图像均来自多波段红外采集系统且都经过严格配准并和7种相关算法进行对比实验,在主观性能上显著性对象突出、清晰度度高;客观性能上在平均梯度和空间频率这两个评价指标上性能优异,验证了该算法的有效性。     

水下目标物偏振成像特性研究

偏振图像比传统强度图像包含更丰富的物体表面反射及散射信息。用萨尔萨(SALSA)相机在自然光照下获取水下偏振图像，研究不同材质物体、放置深度、牛奶浓度及波段因素对水下目标物偏振成像的影响。结果表明:蓝色波段偏振成像能够较好地获取水下物体的边界轮廓等信息; 不同材质的目标物在水下呈现不同的偏振特性, 紫铜偏振度最高达0.69;在1.40 mg/L牛奶浑浊度的水下，偏振图像仍能通过比较目标物的偏振度(degree of polarization，DOP)信息来检测出水下目标物，瓷片的DOP仅降低0.31;此外，在水下约40 cm深度下，偏振成像获取的图像比强度图像轮廓更为清晰，如铁的偏振对比度比强度对比度高5.26%。