红外偏振成像系统性能评估模型

红外偏振成像系统快速发展且应用广泛,但评估其性能的成像系统性能模型发展不足。迫切需要能够与先进的偏振成像系统相匹配的性能模型。利用深度学习网络的训练过程与人脑提取认知信息过程的相似性,本文首次将深度学习方法引入系统性能模型领域,提出了一种基于二维图像的可自动评估系统性能的红外偏振成像系统性能模型。该模型主要包含两个主要模块:退化模块、性能感知模块。在评估一个新的系统时,需要输入高质量的原始图像,并根据系统的硬件参数量身定制成像系统退化模块,退化完成后输入性能感知模块,从而得到最终的目标获取性能。为验证模型有效性,本文基于红外辐射理论自建了面向海面场景的红外偏振数据集,训练网络并进行测试。应用该模型对红外偏振成像系统的性能进行评估,评估结果与主观感知具有较好的一致性。

偏振图像融合技术综述

偏振图像融合技术旨在充分利用偏振信息弥补单一强度图像在一定场景条件下无法提供充足信息的劣势,广泛应用于目标探测识别以及计算机视觉领域。文章从偏振信息获取设备及方法出发,介绍了基于传统方法和基于深度学习方法的融合算法思路,以及其在典型场景和遥感中的研究现状。其中,传统偏振融合算法部分着重陈述了多尺度分析方法、表示学习方法、伪彩色融合方法以及综合方法等几种方法的原理。最后,文章对偏振融合的发展做出展望,为后续研究工作提供了参考。

基于局部大气修复的偏振导航方法

仿生偏振导航是一种利用天空光的偏振分布模式信息进行导航的方法,具有抗干扰性能好、误差不随时间积累等优点,受到了广泛的关注。但是其在图像采集过程中视野容易受到遮挡,导致图像信息丢失进而严重影响导航精度。针对上述问题,提出一种基于局部大气修复的偏振导航方法,建立基于图像相似块偏移量统计特性的修复模型。通过计算出天空中每一个图像块对应的偏移量直方图,得到每个像素点对应的偏移量,根据偏移量进行图像的修复。对修复后的天空图像进行处理,解算天空偏振分布模式,算出太阳方位角,实现导航的目的。仿真与实验结果表明:该算法能适应视野内部分遮挡环境,去除视野中的随机遮挡,恢复图像细节信息,部分遮挡条件下航向角误差降低至1°以内,比未修复前精度提高了约61%。

基于交织序列的偏振方向映射方法

偏振方向是偏振成像技术中的基本信息之一,能够反映出场景物体表面的方向信息,因此场景中偏振方向的分布对场景信息的解译有着重要的作用。传统的偏振方向表示方法存在着二维或三维信息映射方法的映射结果维度较高和由映射关系的距离相关性低而引起的映射方法噪声鲁棒性低问题。提出了具有距离保持特性的基于交织序列的偏振方向信息一维数值映射方法。选择从斯托克斯矢量分量中提取方向信息作为偏振方向的二维映射方法,再基于交织序列方法将二维数据映射为一维数值;之后研究了距离保持特性与映射方法对噪声鲁棒性的关系,并分析了该文所提出的偏振方向映射方法与传统偏振角映射方法的距离保持特性;进行了仿真实验与真实场景实验。仿真实验中,该文所提方法映射结果的PSNR均值相较于偏振映射方法提升了6%;真实场景实验中,该文方法映射结果相较于斯托克斯矢量映射方法降低了信息维度,相较于偏角映射方法,NMF特征的NRPSNR均值提升约14%,证明了所提出的映射方法具有低信息维度及较好的噪声鲁棒性。