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%。     

利用大气偏振模式确定姿态参数的方法

为了满足无人飞行器自主导航对姿态参数提取的需求,提出一种利用大气偏振模式稳定性分布的特征提取飞行器俯仰角和滚转角的方法.从刻画大气光学传输特性的Rayleigh散射理论出发,建立了天空偏振光分布的理论和实测两种模式.利用优化算法,从偏振信息中提取出导航用的天空特征点——太阳空间位置,并利用太阳和天顶固定的时空关系,获取天顶点位置信息.利用天顶点坐标建立姿态变换矩阵,解算俯仰角和滚转角大小.通过模拟飞行器控制台,利用理论和实测两种偏振模式数据分析验证,解算的俯仰角均方根误差分别为0.002°和0.0031°,滚转角均方根误差分别为0.0236°和0.0227°.该偏振方法获取姿态参数时计算简单,解算精确度高.     

利用目标和大气偏振信息的雾天图像重构方法

结合目标偏振信息和大气偏振信息的差异, 提出了一种利用目标和大气偏振信息的雾天图像重构方法。首先, 从光强图像中分离大气光图像和目标光图像, 分别解析大气光偏振信息和目标光偏振信息, 构建偏振去雾模型。然后, 采用融合图像梯度信息的高斯滤波方法估算大气光强和目标光强, 并分别计算大气光偏振度和目标光偏振度。采用3σ法则阈值分割方法, 在大气光图像空间内估算无穷远处大气光强。最后, 重构出目标图像。在不同天气环境下开展外场实验, 结果表明, 该方法在雾霾、雨、雪天气下能够较好地恢复出目标信息, 重构后图像的信息熵提升约40%, 灰度标准差提升了约90%, 平均梯度和边缘强度提高了3倍。     

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%。     

一种偏振光/双目视觉仿生组合导航方法

针对复杂干扰环境下智能移动机器人自主导航问题,为了实现低成本、高精度、强鲁棒性、完全自主的导航,提出了一种偏振光/双目视觉仿生组合导航方法.首先,设计了图优化紧耦合的组合算法,推导优化函数并将偏振定向传感器/双目视觉传感器的数据融合,然后,搭建仿生偏振定向传感器/双目视觉传感器仿生组合导航实验平台,最后,通过室外汽车搭...     

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...     

微光偏振成像系统设计及实验

为了实现对运动目标或变化场景的同时成像,根据偏振成像原理,基于孔径分割技术设计了一套微光偏振成像系统.开展了微光偏振成像实验,在实验室条件下定性分析了偏振成像的优势,研究了不同照度下偏振成像的准确度.通过改变偏振出射光束的照度,运用获得的偏振图像计算了该照度下光束的偏振度和偏振角.与真实偏振度、偏振角信息对比分析表明,当环境照度大于10-2 lx时,偏振成像能够比较准确地还原场景的偏振信息,改善微光成像质量.经过优化,该系统MTF在56lp/mm处所有视场下均不小于35%.     

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。     

红外偏振图像的舰船目标检测

红外成像系统作为探测舰船目标的一种重要方式,在军事侦察中起着至关重要的作用,面对复杂背景、恶劣天气环境等情况时,目标与背景局部对比度较低导致红外系统的探测准确率、查全率等性能指标受到严重影响,针对上述问题,开展了基于红外偏振图像的舰船目标检测方法研究。通过8～12μm长波波段红外偏振图像采集系统实际采集86组4个偏振方向(0°, 45°, 90°, 135°)的红外偏振图像,样本中舰船目标309个。对同场景下不同偏振方向的红外偏振图像及红外强度/偏振度图像的目标与背景局部对比度计算,发现海面与舰船目标偏振特征差异能够有效提高目标与背景局部对比度。在前视红外图像中,舰船目标通常位于海天线附近或下方,但复杂背景及天气等因素干扰对红外图像中检测海天线影响较大,为此提出红外偏振图像海天线检测方法,对红外偏振图像直方图进行高斯滤波消除局部极值,依据海面与背景的偏振特征差异,利用双峰法阈值分割检测海天线,最后利用霍夫变换检测海天线,分割出海面作为目标候选区域。针对红外偏振图像受到海杂波严重干扰的问题,提出海杂波背景抑制算法,采取背景抑制,距离加权方法抑制偏振图像中杂乱的海杂波背景。最后,利用MSER算法检测舰船目标,根据舰船目标特性约束条件剔除非目标区域。对86组红外偏振图像进行舰船目标检测实验,所提出的方法能够有效克服复杂背景和海杂波等因素的干扰准确检测海天线,通过海杂波背景抑制及舰船特征约束的方法消除海杂波及海岸对舰船检测所带来的干扰,检测准确率、查全率分别为93.2%和95.7%,优于红外舰船目标检测方法,特别在红外图像对比度低的场景下检测效果提升明显,检测准确率、查全率分别提高了46.5%和16.4%。表明充分考虑红外偏振图像中舰船目标与背景的偏振特征差异能够有效提高目标与背景的局部对比度,有利于准确检测海天线,提高舰船检测准确率和查全率,对复杂背景及恶劣天气有较强的适应性,在军事应用中具有极大应用价值,对红外波段舰船目标检测技术的发展有着极为重要的意义。     

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。     

基于Rayleigh大气偏振模式的太阳空间位置优化计算

为了满足偏振光导航对空间特征点空间位置信息的需求,提出一种基于Rayleigh大气偏振分布模式的太阳空间位置计算方法.首先,从大气光学的Rayleigh散射理论出发,建立了天空中偏振光的分布模型.然后将由大气偏振模式中的有限的采样点信息确定太阳空间位置的问题转化为非线性最小二乘优化问题,采用Gauss-Newton法简化算法结构,结合对初值的全局搜索以获取精确的太阳空间位置.仿真实验表明,在本文设定的采样方式下,不同时间、不同地点下利用偏振度信息求解,太阳高度角误差均小于10-5度,方位角误差小于10-6度;偏振角度求解时,太阳高度角和方位角求解误差均小于10-6度;并且在不同的采样方式下均保持了良好的优化准确度.实验证实该算法准确度高,对各种采样方式适应性好,可以有效地由偏振模式信息处理得到太阳空间位置.     

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。     

基于偏振测量的雾天图像场景分割

现有场景分割方法主要依赖于图像亮度、颜色和纹理等特征,然而在雾天图像中提取这些特征将变得困难且不稳定.基于此本文提出了适用于雾天图像场景分割的特征矢量,以及相应的特征提取算法.特征矢量由目标偏振度、深度和颜色三部分组成.特征提取算法分别为:用去相关的方法从图像偏振度分离出大气偏振度和目标偏振度;根据雾天退化模型和雾天图像偏振表示形式推导出场景深度信息;利用两幅偏振图像求出非偏振彩色图像,从而得到场景的颜色信息.将这些特征构成的特征矢量用于基于图的分割算法中,并从两个方面比较了仅使用颜色特征和使用本文特征矢量的分割结果.最后得出结论:对于雾天图像而言,这些特征比通常的颜色特征更加有效和鲁棒.     

一种偏振普适性多尺度实时的图像去雾算法

针对现有偏振算法依赖于"天空区域"估计大气参数,从而受白色目标或高亮区域干扰的不足之处,提出了一种图像普适性多尺度偏振去雾方法.研究偏振差分图像四叉树空间索引和图像暗通道先验方法,突破估计模型参数利用天空的局限性,重建场景深度,结合大气散射模型复原低频无雾图像;同时针对目标复原过程中噪声遗留问题,研究软阈值去噪算法,结合低频信息重构的透射率,以梯度增强方式丰富纹理细节,最后小波重构出清晰图像.实验结果表明,该算法有效消除了估计大气参数受制于天空区域的局限性,抑制噪声的影响,复原的目标更加清晰,细节方面更为丰富,算法运行效率方面有较大提高.     

自适应多波段偏振图像融合研究

为综合利用不同波段的偏振信息，以便有效地去除背景杂波的影响，提高目标检测的效果，提出一种基于伪彩色映射和窗口线偏振度熵为系数的自适应加权多波段偏振参量图像融合方法.该方法是根据目标和杂乱背景的特性及多波段成像偏振探测的基本原理，利用目标偏振特征的波长依赖性，不同波段偏振图像所反映场景信息的差异，同一波段Stokes参量图像之间的关系，以及线偏振度图像所反映的有关人造物与自然背景之间的关系.将其应用于不同真实场景下多波段偏振图像，仿真结果和评价指标表明，该方法在背景抑制方面取得了良好的效果.     

单目视觉的同时三维场景构建和定位算法

同时场景构建和定位算法是机器人自主导航的重要组成部分.针对传统算法不能应用于室外环境和缺乏定量分析的缺点,提出了一种单摄像机恢复场景三维结构和摄像机位姿的新算法.提出了视频序列关键帧提取方法,降低了运算复杂度;利用特征点对和摄像机内参量计算场景三维结构和关键帧的位姿并提出一种估计关键帧位姿的简便方法;最后,提出一种兼顾优化效果和运算复杂度的自适应光束法平差算法优化场景结构和摄像机位姿,并生成适于机器人导航的数字高程图.室内和室外多种场景下的定量和定性实验结果表明,绕行误差低于4%,该算法能够接近实时准确实现同时场景构建和摄像机定位.     

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。     

基于偏振特性的海洋溢油油种识别研究

针对海面溢油探测时存在虚警率高、油种识别单一等问题,基于菲涅尔理论建立粗糙海面溢油在不同方位角和天顶角下的偏振度模型,并分析其对偏振度分布的影响。在室外搭建可见光偏振双向反射分布测试装置,分别获取重油、原油、汽油、柴油等四种典型海洋溢油在不同观测方位角和天顶角下的可见光偏振度图像。通过提取图像灰度数据对比分析不同油种的偏振度差异,试验证明了理论模型的正确性。试验结果表明:不同溢油的可见光偏振特性存在明显差异,偏振对比度普遍高于5%。利用可见光偏振区分油种,是对传统溢油探测手段的有益补充,对提高海洋污染治理能力具有重要意义。     

基于提升小波的低对比度目标偏振识别技术

针对低对比度环境下拍摄目标图像所产生的低识别率问题,提出了一种基于小波提升算法的偏振信息融合方法,该方法采用偏振技术进行目标探测,应用小波提升算法所具有的计算量少、处理速度快等优点将偏振度和偏振角等信息分解为高频和低频部分,分别对高、低频系数采用不同规则进行融合,使得融合后目标边缘轮廓完全从低对比度环境中凸显出来,且细节信息完整、清晰,易于人眼对目标的识别。通过对大量低对比度场景下的目标进行识别及对融合结果进行评价,实验表明,该方法能有效地提高低对比度环境下目标的识别效率,验证了算法的可行性。     

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.