偏振成像技术的发展现状与展望（特邀）

偏振成像是一种新的光电探测体制，它可以获得比传统成像多一维的场景信息，在工业检测、生物医学、地球遥感、现代军事、航空以及海洋等领域具有重要的应用价值。论文对偏振成像的典型应用、发展历程和发展现状进行了分析和总结，总结了偏振成像的实现方法，当前学术界在场景的偏振特性、偏振的传输特性、偏振成像探测器、分焦平面偏振图像非均匀性校正、分焦平面偏振图像超分辨率重建以及偏振图像融合等领域的最新研究成果。在此基础上，对偏振成像的未来发展方向进行了展望，包括高消光比焦平面偏振探测器、分焦平面多光谱偏振探测器、高精度非均匀性校正方法、偏振图超分辨率重建方法以及强度图和偏振度/偏振角图融合方法等。     

红外偏振感知与智能处理

红外偏振成像在抗干扰目标检测、复杂环境下人造物识别中具有潜在优势,同时能够获取目标表面理化特性。分时、分振幅、分孔径红外偏振成像方式由于体积、重量、功耗等的不足限制了其应用,而小型化、集成化、实时成像设备是红外偏振成像广泛应用的前提,而对于所获取数据的智能分析是其应用的基础。介绍了所研制的红外偏振智能感知系统,通过分焦平面式成像技术实时采集目标场景的红外偏振数据,通过深度学习与分焦平面偏振成像紧密融合,实现高质量偏振图像恢复与典型场景下运动目标的智能感知。     

阵列探测器在成像光谱偏振探测技术中的应用

为了在成像光谱偏振仪中应用近红外焦平面阵列探测器,得到高质量图像信息,结合新型弹光调制型成像光谱偏振探测技术(PEM-ISP),提出了一种基于近红外焦平面阵列探测器的成像光谱偏振探测技术。系统采用FPA-640512 InGaAs焦平面阵列探测器作为光学探测接收元件,采用高速现场可编程门阵列(FPGA)作为信号处理单元,做到对光学信号的快速采集与并行处理,满足高速、实时的信号传输与处理技术等要求。将经高速A/D采集得到的数据存储到FPGA外扩的静态随机存储器中,以保证数据的完整性。数据最终通过通用串行总线传至上位机,上位机通过LabVIEW实现图像还原。结果表明,该系统可以应用于PEM-ISP中,实现对测量信号的精确探测与采集,并得到完整的图像信息。     

采用中波红外偏振成像的目标探测实验

目前国内红外偏振成像技术的研究尚处于初步的实验阶段,需要开展具有针对性的红外偏振成像实验.以支撑红外偏振成像理论和技术的研究.基于高灵敏度的中波制冷焦平面探测器,搭建了中波红外偏振成像系统,并针对特定场景中的典型目标,开展了红外偏振成像实验,获得了有效的实验数据和成像规律,并基于HSV颜色空间对偏振信息图像进行了融合再...     

彩色分焦平面偏振图像配准方法北大核心CSCD

彩色分焦平面偏振相机是一种新型偏振成像装置,能够同时获取目标0°,45°,90°和135°四个偏振方向的彩色三通道(RGB)强度信息,但需要解决分辨率损失和像元错位的问题。本文提出一种适用于分焦平面相机的彩色偏振图像配准方法。通过实验对所提配准方法进行验证,结果表明:所提配准方法能够降低像元错位问题对后续彩色偏振图像解析精度的影响。     

基于高光谱成像和模式识别的无损检测苹果表面损伤

为了实现苹果表面损伤的快速无损检测,基于高 光谱成像技术结合模式识别算法建立了苹果表面损 伤检测模型。首先,利用高光谱图像采集系统采集完好无损和表面损伤苹果样本的高光谱图 像,提取正常 区域和损伤区域的平均光谱反射率曲线；然后,采用标准正态变换(SNV)和多元散射校正(MSC)分别 对原始光谱数据进行预处理；最后,利用偏最小二乘判别分析(PLS-DA)方法,建立了苹 果表面损伤 SNV+PLS-DA和MSC+PLS-DA检测模型。结果表明:采用SNV和MSC光谱预处理方法可有效地消 除高 光谱图像中的噪声；利用SNV+PLS-DA检测模型对校正集和检验集样本的正确识别率分别为 70.8%和 77.5%,而采用MSC+PLS-DA检测模型对校正集和检验集样本的正确识 别率分别为71.7%和77.5%。因此, 基于高光谱成像技术结合模式识别方法,可实现苹果表面损伤的无损检测。     

偏振成像技术的进展

介绍了截至2013年偏振成像技术的研究进展。总结了偏振成像技术的主要研究内容。分别介绍了偏振成像技术方案分类,红外偏振成像仪和偏振焦平面探测器,偏振成像试验,以及偏振光线追迹的最新研究进展。     

中长波红外偏振成像对比试验研究

基于高灵敏度的中波和长波制冷焦平面探测器, 搭建了红外偏振成像系统, 针对特定场景中的典型目标, 开展了红外偏振试验,获得了有效的试验数据, 并对图像进行了定性分析和定量评价。对比研究表明: 长波红外偏振成像易受水汽干扰, 但图像的平均灰度和平均梯度指标高; 中波红外偏振成像抗云干扰和观测人工防伪网能力强, 图像标准方差比较高。根据中长波红外偏振成像的特性, 在实际应用中可以按需要进行波段选择。     

基于网络解析的像元耦合偏振成像目标检测算法

偏振成像目标检测对于人造目标检测有着重要意义。像元耦合是以四个方向的偏振强度数据作为一个超像元的偏振成像方法。对超像元进行偏振参量解析,会使图像的分辨率变为原始图像的四分之一,不利于小目标的检测。像元耦合图像的偏振参量解析会产生噪声,对小目标的检测造成干扰。本文提出了一个以YOLOv5s为网络基础,添加偏振信息解析模块(Covcat)的目标检测算法。该算法实现了端到端进行像元耦合偏振成像的目标检测,用网络实现偏振解析,利用多卷积信息融合提高特征提取能力,提高目标的平均检测精度(mAP)。使用对空无人机数据集对算法进行验证,实验表明,相比于使用偏振参量解析出的强度图、偏振度图和偏振角图,该算法的平均检测精度分别提升了4个百分点、5个百分点和12个百分点。     

基于小型化便携式光谱成像技术的分类识别系统研究

小型化便携式光谱成像越来越多应用于日常生活中，给人们的生活提供了更多的便利。柑橘属水果是人们日常生活中经常食用和储存的水果之一，在智能冰箱中，柑橘由于品种相似等原因不利于识别和分类，光谱成像技术利用其物质不同的特征波长实现其识别。采用新型的单芯片式光谱成像芯片搭建小型化便携式的光谱成像系统，利用光谱成像技术实现对柑橘属水果的分类识别，并通过分批次样本进行交叉验证，同时建立光谱分辨率与准确度关系，通过约束光谱分辨率，有效提高了柑橘属水果分类识别的准确度，光谱分辨率小于20 nm，识别准确度可达到95%以上。     

时空自适应的分焦平面偏振视频PCA去噪

分焦平面式（DoFP）偏振成像探测器通过集成式微偏振阵列实现偏振信息的实时获取。然而由于成像过程中存在噪声,对后续的偏振图像去马赛克超分辨、场景偏振信息解算产生了严重影响。基于主成分分析（PCA）提出一种时空自适应DoFP视频数据去噪算法,对于每个待去噪的DoFP图像块,在其局部时空邻域内选取相似的图像块,然后利用主成分分析对其去噪。该算法充分利用DoFP视频数据的时空信息构建训练样本,且块匹配过程无需采用运动估计,可直接用于DoFP视频数据去噪。进一步提出基于双边滤波的残余噪声去除算法,从而得到更好的去噪效果。通过模拟与真实数据对所提算法进行实验验证,结果证明:所提算法可有效抑制噪声,在相同测试条件下,所提算法优于现有算法。     

视频图像中人脸自动检测与统计算法

针对视频中人脸检测由于成像角度、天气状况、遮挡等因素造成检测准确率偏低以及深度学习模型计算复杂度高的问题,文中提出了一种基于椭圆肤色模型与AdaBoost的人脸检测算法。算法通过选取Haar-like特征作为弱分类器,以裁剪过的CAS_PEAL数据集中的人脸图像作为训练集,利用AdaBoost算法将多个弱分类器组合成一个强分类器,最后将若干强分类器以级联的结构组成最终的分类器模型。为解决将非人脸区域检测为人脸的问题,引入椭圆肤色模型,利用椭圆肤色模型对视频帧进行处理使得图像中与肤色相似的区域进入后续的人脸检测过程以降低误检率。实验结果表明,算法能以平均26 ms(单人脸视频)和平均34 ms(多人脸视频)的检测速度进行实时的人脸检测,且达到了87.2%的检测准确率,具有较大的应用推广价值。     

Lab模型和 MVT在黄粒米检测中的应用

本文提出了一套基于Lab模型和MVT的黄粒米自动检测系统。为了用色调来描述黄粒米的特征,提出了一套图像处理的算法。将大米图像从背景分离之后,将RGB模型转换为Lab颜色模型来提取色度特征,并将色度特征采用直方图进行统计。接着采用主分量分析法,将色度统计信息由256维向量降低到10维向量。以这10维向量为输入,用支持向量机进行分类。最后,经过训练得到最优分类函数,分类正确率达到98.5%。     

典型背景和目标的长波红外偏振成像实验研究

红外成像可以获得目标的强度信息,偏振成像可以获得目标的偏振信息,二者结合更有利于目标的探测识别。实验选用天空中飞机、海面上船只、草地上车辆三种典型自然背景下的典型目标作为研究对象,并利用自行研制的四通道同时长波红外偏振成像系统实现图像采集。实验结果表明,相对于传统的长波红外成像,长波红外偏振成像具有以下优势:长波红外偏振度图像在一定情况下具有更高的图像对比度,有利于目标的探测识别;长波红外偏振角图像可以突出目标细节,有利于观察者对场景内容的理解;长波红外偏振度和偏振角图像在一定情况下可以抑制杂波干扰,有利于杂波情形下的目标成像研究。     

水下偏振清晰成像方法综述

水下成像环境复杂多变,在水下视觉的研究中会遇到许多典型的问题:在复杂的光学环境中,水下成像质量急剧下降,传统成像方法中常用的诸如颜色、亮度等特征衰减严重,难以有效地提高水下成像的质量。偏振成像可以对水下散射进行有效抑制,在水下成像环境中,分析目标信息光、后向散射光和前向散射光相应的偏振特性,针对性地解决不同分量对图像的影响进而实现图像质量的提高。基于水下成像物理模型、偏振成像原理详细阐述了水下偏振成像原理,着重论述了几种经典的水下偏振成像方法,总结了当前基于偏振特性的水下成像技术,并对其实际效果进行评价分析,依据现有的水下偏振成像技术的优缺点和实际成像效果对水下偏振成像技术的未来发展进行总结展望。     

汗潜指纹紫外偏振反射特性研究(特约)

汗潜指纹是犯罪现场最常见的指印类型,具有特征消失快且不易被检测等特点。根据其特点,使用紫外偏振成像探测技术进行目标检测,相比传统强度图像,偏振参量图像可以提高目标对比度,有助于辨别不同背景中的目标。但紫外偏振成像探测技术对角度、波段及客体材料等较为敏感,所以通过设计合理的实验,分析了汗潜指纹紫外偏振反射特性随角度、波段及客体材料的变化特点。结果表明:汗潜指纹在不同角度下表现出规律的偏振特性;在系统提供的四个光谱偏振通道中,近紫外波段相比之下有很好的可重复性和区分性;不同客体材料偏振特性差异变化较大,对比分析样本的紫外偏振反射特性能有效提高潜指纹的探测和识别性能,为汗潜指纹紫外偏振成像探测技术提供依据。     

基于LoG算法的水果热成像检测

传统的水果分级与损伤检测大多采用感官评定的方法,随着计算机视觉技术的发展,计算机视觉检测分级技术发展迅速。研究中针对解决水果损伤部位检测的问题提出了一种利用图像处理技术对水果热成像损伤部位进行检测的技术方案。本方案采用Laplacian of Gaussian（LoG）算法对损伤部位进行检测,使用高斯卷积模板抑制噪声,通过设置不同的卷积核尺寸以及σ值获得不同的卷积滤波结果,加强了图像中损伤部位的色彩程度,进而更好地利用边缘检测技术获取损伤部位的边缘信息。采用具有局部损伤的苹果作为研究对象,选取有参考和无参考等5种评价方法,分析卷积过程对于损伤部位边缘检测的影响。结果表明,在水果热成像中LoG算法可以有效地检测水果的损伤部位,卷积核尺寸对于水果损伤部位边缘检测结果的影响远大于σ值,通过增大卷积核尺寸可以有效地加深损坏部分的边缘信息,研究为水果损伤区域检测提供了一种可行的解决方案。     

基于色彩制约耦合距离惩罚的图像篡改检测

当前较多图像篡改检测方法主要通过对图像特征间的距离进行测量来完成特征匹配,忽略了图像的色彩信息,导致检测结果中存在较多的误检测和漏检测现象。对此,本文将色彩信息引入到图像特征匹配过程中,设计了一种采用色彩制约模型的篡改检测算法。利用Laplacian算子与Harris算子提取图像特征,并利用像素点的红(R)、绿(G)、蓝(B)三原色信息,结合特征描述符建立色彩制约模型,对特征点间的色彩信息进行度量,再借助该度量值与特征点间的距离测量值共同完成图像特征匹配,充分剔除误匹配现象,有效提高匹配准确度。该算法还根据特征点间距离方差构造距离惩罚模型,对匹配后的图像特征进行聚类,准确识别篡改内容。通过实验结果发现,与其他篡改检测算法相比,本文算法不仅对伪造内容具备更高的检测准确度,而且对模糊及旋转等内容操作也具有更好的适应性。     

基于偏振图像的低照度场景多目标检测算法

偏振光反射信息可直接反演目标本征特性,且在传输过程中具备较强的抗干扰特性,因此偏振成像技术可适用于多种复杂环境中的智能监控、交通监察领域。近年来使用深度学习判读图像检测目标的方法迅速发展,已经广泛应用于图像处理的各个领域。本文提出了一种基于偏振图像与深度神经网络算法的行人、车辆多目标检测算法YOLOv5s-DOLP。首先,通过实时获取到偏振图像进行偏振信息解析,获取目标偏振度图像。其次,为增强偏振度图像中检测目标与背景存在高对比度的特性,在主干网络中引入通道注意力与空间注意力,提升网络特征进行自适应学习的能力。此外,使用K-means算法对目标位置信息进行聚类分析,加快网络在偏振度图像的学习速度,提升目标检测精度。实验结果显示,该算法结合了偏振成像和深度学习目标检测的优势,对于低照度复杂场景中的车辆、行人目标检测效果好、检测速度快,对于道路车辆的目标检测、识别与跟踪具有一定的应用价值。