基于最大和最小光强图像的偏振去雾方法

相对于传统光学探测技术,偏振探测在目标探测、识别方面有着独特的优势。针对雾、霾等天气下图像退化的问题,提出一种利用偏振信息的图像去雾方法,通过获取3个角度下目标的偏振图像,求解出场景目标的斯托克斯矢量,从斯托克斯矢量与穆勒矩阵的关系出发,分析偏振图像光强随着偏振角度的变化规律,获取最大和最小光强下的正交偏振图像,利用偏振滤波和亮通道先验方法分别估算大气光偏振度和其无穷远处大气光强值,最终重构出无雾图像。实验结果表明,在雾霾天气下,利用获取的正交偏振图像能够重构出清晰的图像,且重构图像的平均梯度和边缘强度均提升了约3倍,灰度标准差提升了约88%。     

全局参数自动估计的彩色图像偏振去雾方法

雾天环境下由于大气粒子对光线的散射作用导致成像质量下降, 针对雾霾等天气下图像退化问题, 提出了一种全局参数自动估计的彩色图像偏振去雾方法。利用不同角度的3幅偏振图像, 自动估算无穷远处的大气光和大气光的偏振度, 根据大气散射模型得到去雾后的图像。从RGB 3个色彩通道分别计算相应的参数, 使得算法适用于彩色领域。首先使用暗通道方法估计无穷远处的大气光和传输图, 并通过导向滤波对传输图优化; 然后基于大气光和目标光的不相关性, 采用全局搜索的方法估计大气光的偏振度; 最后根据大气散射模型恢复出清晰目标图像, 并利用对数变换进行增强。本文方法在雾霾天气下能够得到清晰的去雾图像, 且在浓雾天气下, 去雾图像的信息熵提升了约21%, 平均梯度提升了约2倍多, 标准差提升了约12%。实验结果表明, 本文方法较好地解决了人工取景估计参数不佳的问题, 提高了复原目标图像的清晰度和对比度, 可以用于彩色图像的目标探测与识别。     

基于中值滤波和偏振调制的雾天偏振图像快速增强方法研究

针对现有偏振去雾算法难以兼顾去雾效果和实时性问题,提出了一种基于中值滤波和偏振调制的雾天偏振图像快速增强方法。利用中值滤波估算大气光;采取半反法估计无穷远处大气光强,并基于大气散射模型对图像进行恢复;使用场景偏振度对恢复的图像进行偏振调制增强。相比较其他方法,文章通过降采样方法减少图像尺寸,选取小尺度的滤波窗口,在保持足够的大气光估算精度的同时,显著降低了处理时间,并采用偏振调制和直方图均衡化方法提高目标与背景的对比度,较好地解决了去雾效果和算法实时性问题。实验结果表明,经过该方法增强的图像,在信息熵、去雾前后梯度比、目标与背景对比度等三个指标上都有较大提升,达到了良好的去雾效果;对于分辨率为1393×986的图像,处理时间仅为16ms,完全满足实时性要求。     

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%。     

偏振光谱图像去雾技术研究

空气污染严重影响了成像质量,雾霾天气下成像的对比度和分辨率下降。利用不同波段偏振光谱数据的图像去雾研究国内外尚未见报道;运用偏振光谱去雾技术对光谱数据立方体研究具有重要意义。在中重度雾霾天气下,利用光谱仪,获取了380～1 000 nm的可见近红外偏振光谱数据,研究了450,550,650,750和850 nm五个波长下偏振图像和去雾结果。结果表明,波长对图像目标与背景的灰度差值影响显著,去雾后图像的灰度动态范围和平滑度都有显著提升;去雾后图像远景对比度平均提升了5倍,其中450 nm图像对比度最低,但对比度提升量最大,提高了7.13倍;850 nm图像对比度最高,但对比度提升量最小,提高了3.86倍;去雾后不同波长图像的灰度动态范围均有明显展宽,展宽范围为13.5%～28.6%,而图像近景动态范围展宽为33.3%～44.0%。分析了图像复原过程中可能出现的估计误差,根据其产生机理提出了对大气散射光的偏振度和无穷远处的大气散射光强度的校正方法,并总结出了最佳校正系数的选取规律,对未知条件下的图像去雾提出指导。通过斯托克斯参数从原始数据中提取偏振信息,基于大气散射光与景物透射光偏振特性差异对图像去雾,偏振光谱图像去雾技术为光谱图像去雾研究提供一种新手段,也为图像去雾技术的发展提供一种新思路。     

高分辨大视场紫外-可见光偏振成像融合处理技术

采用蒙特卡罗方法对水云下大气的偏振态分布进行了仿真分析,所建立的水云大气环境在紫外360～400 nm波段的偏振度响应最大。采用紫外-可见光偏振成像技术对同一视场下的楼房、云和天空进行了偏振成像实验,并用霍夫变换分割方法对图像中的每个区域进行了统计分析,发现观测区域内无云区与云区的偏振角均值相对差为1.6%,偏振度均值相对差为-14%,证明了大气偏振角较偏振度稳健。紫外光和可见光在对云目标的偏振观测中存在互补性,采用拉普拉斯金字塔图像融合技术能够提高对大气目标的探测能力,验证了大视场高分辨紫外-可见光偏振成像技术在大气探测中的可行性和有效性。     

偏振光谱多维信息的重构融合算法

针对传统光学手段难以实现复杂背景下光谱伪装目标的准确识别,同时,常规的数据融合方法易导致图像信息丢失的缺点,提出了一种基于非下采样轮廓波变换的偏振光谱多维信息融合方法。该方法结合自研的新型偏振光谱多维信息探测仪器,根据其获取的目标空间、光谱、偏振等多维信息,设计了多维信息重构算法流程,提取了偏振态基础数据斯托克斯参量以及偏振度和偏振角,利用NSCT对基础偏振参量进行图像融合,提升图像的信息含量以提高伪装物的识别准确率。先对具有相同边缘信息的图像Q和U采用NSCT分解,低通子带取均值,高通子带取最大值进行初步融合,获得偏振特征S,最后对偏振特征S、强度图像I以及偏振度DoLP进行NSCT分解,对分解所得低通子带进行区域能量加权融合;对高通子带,根据偏振特征图像具有灰度值小,受光照影响大等特点,采用LBP特征进行加权融合。同时,本方法与四类融合方法进行对比,据信息熵、标准差、平均梯度、对比度以及峰值信噪比五项指标对融合结果进行客观评价,并结合普通图像,偏振融合图像,偏振高光谱图像对目标识别精度进行对比。融合后的图像信息熵为6.998 6,标准差为45.599 8,平均梯度为19.808 6...     

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%。     

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。     

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.     

浅海被动水下偏振成像探测方法

针对传统被动水下偏振成像方法忽略水体对光的吸收效应,成像结果中存在严重的色彩失真,且并未深入发掘利用背景散射光中包含的场景信息的问题.提出浅海被动水下偏振成像探测方法,该方法从水体中背景散射光的传输特性出发,分析场景深度信息与散射光的物理关系,建立基于深度信息的水下Lambertian反射模型,实现无色彩畸变的水下目标场景清晰成像探测.实验结果表明,该方法能够提供接近水下目标真实色彩、符合人眼视觉特性的清晰探测结果,提高水下成像探测能力.     

反射光偏振特性分析与物体形状的测量

基于反射光偏振特性,提出了利用图像处理技术测量透明物体三维形状的理论和方法.分析了物体表面反射光的偏振特性,表明自然光在经透明物体表面反射后,反射率随光的振动方向不同而不同,即反射光表现出部分偏振光的特性.研究了强度反射率与入射角以及光强与偏振片方向之间的函数关系,得到了光强大小与入射面方向的关系;根据偏振度概念并结合菲涅耳公式和折射定律,建立了偏振度和入射角之间的表达式,可求得物体表面法线方向,进而得到透明物体的形状.研制了光学实验平台,获得了物体反射光的偏振图像,经过图像处理,获得了被测物体的三维形状.实验结果表明,这种方法对透明物体形状测量是有效和实用的.     

一种减少空间调制快拍成像测偏仪伪信息的方法

空间调制快拍成像测偏技术能将偏振信息编码到一幅干涉图中,通过一次测量同时获取目标全部斯托克斯参量.针对空间调制快拍成像测偏技术中,目标像的高频部分对偏振信息通道产生串扰,导致重构的偏振信息包含有伪信息和频域重构目标像的空间分辨率低等问题,提出一种消除伪信息和获取全分辨率目标像的方法.该方法通过对两次快拍测量获得的干涉图进行简单加减运算,便可获得探测目标清晰的纯图像和高信噪比的偏振分量干涉图.本文对该方法进行了详细的理论分析,并通过计算机仿真和搭建实验平台,验证了该方法的可行性.这为空间调制快拍成像测偏技术获取全分辨率目标像和高质量重构偏振信息提供了新思路.     

基于偏振光谱成像的目标识别方法研究

为提高伪装目标识别的准确性,提出将光谱信息与偏振信息相融合的伪装目标识别方法。基于液晶可调谐滤光片（LCTF）搭建了偏振光谱成像系统,通过实验对绿色植物中隐藏的假植株进行偏振光谱探测实验。利用主成分分析法（PCA）对各偏振方向的目标光谱图像进行波段选择,获取对应的光谱融合图像后进行偏振度计算,最终得到被测目标的偏振光谱融合图像。实验结果表明:得到的偏振光谱融合图像与光谱融合图像相比,信息熵提高了72%,平均梯度提高了250%。     

基于线性模型的自适应优化去雾算法

针对线性传输算法中透射率和大气光估计不足问题，提出一种基于线性模型的自适应优化去雾算法。利用边缘信息模型来增强初始透射率图的细节信息，使得复原后图像边缘区域细节更丰富；根据暗通道先验，得到自适应优化透射率，更好地处理包含景深区域图像；采用局部大气光估计方法代替四叉树方法，避免大气光估计不准确问题，并结合物理模型恢复图像。仿真实验在matlab2014中进行，实验结果表明，该算法具有较好的有效性和时效性。