CN106504291B - 基于场景Stokes矢量测量及其RGB图像优化的多物体区分方法 - Google Patents

基于场景Stokes矢量测量及其RGB图像优化的多物体区分方法 Download PDF

Info

Publication number
CN106504291B
CN106504291B CN201610949355.4A CN201610949355A CN106504291B CN 106504291 B CN106504291 B CN 106504291B CN 201610949355 A CN201610949355 A CN 201610949355A CN 106504291 B CN106504291 B CN 106504291B
Authority
CN
China
Prior art keywords
rgb
image
scene
psa
states
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201610949355.4A
Other languages
English (en)
Other versions
CN106504291A (zh
Inventor
胡浩丰
俞明轩
刘铁根
黄河颂
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tianjin University
Original Assignee
Tianjin University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tianjin University filed Critical Tianjin University
Priority to CN201610949355.4A priority Critical patent/CN106504291B/zh
Publication of CN106504291A publication Critical patent/CN106504291A/zh
Application granted granted Critical
Publication of CN106504291B publication Critical patent/CN106504291B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J4/00—Measuring polarisation of light
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)
  • Color Television Image Signal Generators (AREA)

Abstract

本发明公开了一种基于场景Stokes矢量测量及其RGB图像优化的多物体区分方法，基于场景的Stokes矢量，模拟得到在任意PSA状态下场景的灰度光强图像；取得三幅模拟灰度光强图像并将其赋值于彩色图像的RGB通道，该三幅图像需满足在RGB空间下多个偏振物体的RGB平均值三维空间坐标点所连结成的矢量图形面积最大；则此时得到的彩色图像中多个物体的颜色区分较为明显，即达到区分多个物体的最终目的。与现有技术相比，本发明将多维偏振信息与人眼色彩识别能力相结合，最大化的利用图像的色彩特征，对具有不同偏振信息的物体进行区分，在识别多个物体时效果更为明显，具有较大优势。

Description

基于场景Stokes矢量测量及其RGB图像优化的多物体区分 方法
技术领域
本发明涉及偏振成像探测领域，特别是涉及一种基于Stokes矢量RGB图像优化表征的测量装置及多物体区分方法。
背景技术
偏振信息是一种光波特有的基本物理信息，可以表征一些其它光波信息所无法体现的光学特性，因此在光学测量和成像领域具有丰富的应用成果和广泛的应用前景。
Stokes矢量是一种描述光波偏振状态的四维矢量，可以表征最基本的光学偏振信息，因此Stokes矢量测量及其应用技术成为了偏振测量及成像领域的一大主要内容。
在偏振成像领域，识别具有不同偏振特性的材料或物体一直是主要的发展方向和应用领域。在之前的Stokes偏振成像对比度优化技术中，通常是计算偏振分析仪(PSA)的最佳状态，并计算该状态下CCD所记录的光强图，因此往往是将偏振信息输出为灰度图像。该方法虽然可以通过参量数值的不同对偏振物体进行区分，然而由于其输出为灰度图像，并未利用人眼对色彩的区别能力，因此对于不同种偏振特性相差不大的物体区分度不高并且缺乏直观性。
发明内容
基于现有技术，本发明提出了一种基于场景Stokes矢量测量及其RGB图像优化的多物体区分方法，基于对场景Stokes矢量的测量，计算模拟不同PSA状态下的CCD所记录的光强图像，并选取其中三幅灰度图像的最优化状态组合，将这三幅灰度图像赋值到RGB色彩空间组合得到彩色图像，使得具有不同偏振特性的物体颜色差别明显。
本发明的一种基于场景的Stokes矢量偏振测量系统的多物体区分方法，该方法包括以下步骤：
步骤1、在单一入射光入射的前提下，根据PSA的各个状态求出相应的测量矩阵W，利用CCD相机采集PSA对应状态下的光强信息，并基于光强信息求得场景内三个不同物体的Stokes矢量；
步骤2、建立计算黑白CCD相机所接收的灰度图像与偏振态分析器状态的关联；即由偏振态分析器状态可以计算出黑白CCD相机所接收的灰度图像
步骤3、通过优化搜寻，获得最优化的三个PSA状态组合，模拟得到同一场景下三幅图像的灰度值大小，并把不同状态下的对应物体的灰度值分别赋值于RGB通道，从而形成对应物体的RGB空间坐标点；通过优化搜寻，获得最优化的三个偏振态分析器状态组合所对应的三幅场景灰度图像，该最优化的三个PSA状态使得彩色图像中物体RGB空间坐标点平均值的距离整体最大，其判据可为物体RGB空间坐标点平均值所连结成的三角形面积最大；
步骤4、根据步骤3模拟得到最优化的三个偏振态分析器状态组合下的三幅场景灰度图像，并将其赋值于RGB通道的分量灰度图像中，在合成得到的彩色图像中，具有不同偏振特性的物体将具有明显的色彩区别，从而实现区分多个不同偏振物体的物体识别。
所述步骤3中获得最优化的三个偏振态分析器状态组合的方法，具体包括：将三个物体在RGB彩色空间下的RGB坐标点平均值连结为矢量三角形，求得三角形面积取到最大值时PSA在三个状态下的偏振片和波片角度值，即为对应的最优化偏振态分析器状态组合。
所述步骤4中实现区分多个不同偏振性质的物体识别，具体包括：将模拟得出最优化PSA状态组合所对应的三幅灰度图像分别作为彩色图像中的RGB灰度分量图像进行合成，所得到的彩色图像中具有不同偏振特性的物体将会表现出较大的色彩差异，从而对其进行识别。
与现有技术相比，本发明方法该可以将多维偏振信息与人眼色彩识别能力相结合，最大化的利用图像的色彩特征，对具有不同偏振信息的物体进行区分，该方法在识别多个物体时效果更为明显，具有较大优势；
且最大幅度的利用了人眼的色彩识别功能，具有很大的直观性，对于偏振测量技术和模拟偏振成像技术的发展具有重要意义。
附图说明
图1为基于场景的Stokes矢量偏振测量系统结构示意图；
图2为基于场景的Stokes矢量RGB图像优化表征的多物体区分方法的整体流程图；
图3为物体平均RGB坐标点与其连结成的矢量三角形示意图，Pa，Pb，Pc为彩色图像中物体RGB空间坐标点平均值；La，Lb，Lc为坐标点之间的距离；
图4为实施例实验中场景的原始灰度图像；
图5为最优化状态下的场景组合彩色图像。
附图标记：1、633nm激光光源(单波长激光器)，2、扩束装置组，3、反射板，4、偏振态分析器(PSA)，5、彩色CCD相机。
具体实施方式
结合附图及实施例对本发明作进一步详细描述：
本发明的理论依据：
在测量单一入射光照射的前提下，考虑由三个具有不同偏振特性的物体组成的被测场景，首先介绍单一波长下的Stokes矢量测量的方法：
S＝W-1I (1)
其中I＝[i1,i2,i3,i4]T为一四阶列向量，每一个分量表示在一确定PSA状态下的调制光强；W为4x4的测量矩阵，该矩阵由四次测量过程中PSA每一次的状态所决定。每一行都可以认为是一组Stokes矢量；S＝[S0,S1,S2,S3]T表示待测的Stokes矢量。上述方法中的光强i是由CCD相机对目标场景进行拍摄后取其图像中某物体部分灰度平均值得到的。在上述前提下，可测得三个偏振物体对应的Stokes参量为S1，S2，S3。
偏振分析仪(PSA)对偏振光的调制功能是由其测量矢量T的椭圆率χ和方位角ψ所决定的，在已知物体Stokes参量的条件下，物体反射光经PSA调制所得到的出射光强可由下式表示：
其中测量矢量T为矩阵W的第一行行矩阵，即为PSA的特征矢量。
设PSA的三种不同状态分别为状态a，状态b和状态c，则三种状态下三个物体的灰度值可以分别表示为以及将每个物体在三种状态下的灰度值分别赋值到彩色空间的RGB分量，则三个物体在RGB空间的坐标可表示为：
连结P1，P2，P3可在RGB三维色彩空间中构成一个矢量三角形，设该三角形面积为D。由于三个坐标点的坐标分量受PSA三种不同状态下椭圆率和方位角的影响，因该三角形面积是三个状态下椭圆率和方位角的具有六个自变量的函数，若使得三角形面积D在定义域范围取得最大值，则一般而言此时三个物体的RGB空间坐标距离相差较大，从而颜色差距较为明显。三角形面积取得最大值时三个状态下椭圆率和方位角分别为χa、ψa；χb、ψb；χc、ψc，其满足下式关系：
(χa,ψa,χb,ψb,χc,ψc)＝arg max{D(χa,ψa,χb,ψb,χc,ψc)}. (4)
通过模拟可获得在三组PSA最优化状态下的场景灰度图像，将三幅灰度图像分别作为彩色图像的RGB分量并进行合成，即可得到模拟彩色图像。在该图像中，具有不同偏振特性物体的颜色将有明显差别，可以直观的对其进行区分。
如图1所示，为本发明的基于Stokes矢量的测量系统结构示意图，633nm激光光源1发出的光经过扩束装置组2入射到反射板3上，经反射板反射后形成固定的待测Stokes矢量，再经过由偏振片和四分之一波片组成的偏振态分析器(PSA)4后进入彩色CCD相机5。通过调节装置中的四分之一波片和偏振片的角度实现全自由度的椭圆率和方位角调节，获得测量矩阵W中的各个偏振状态。其中所选用的光强探测器件是StingrayF-033B型黑白CCD相机。
本发明的基于Stokes矢量偏振测量系统的多物体区分方法，以在单一波长入射光照射的前提下和同一场景下的三个具有不同偏振特性的物体为例，测量了在同一场景下具有不同偏振特性物体的Stokes矢量，并通过计算得出PSA任意状态下偏振成像系统记录的场景的灰度图像；通过优化搜寻，获得三个最优化的PSA状态组合，使得将三个最优化的PSA状态下的三幅灰度图像赋值到彩色图像RGB三个通道时，三个物体对应的RGB三维空间坐标点所连结成的矢量三角形面积最小，并最终将PSA最优状态组合对应的三幅场景灰度图像合成为一幅彩色RGB图像，实现对不同偏振特性物体的显著和直观区分。
如图2所示，为本发明的流程图。具体实现步骤为：
步骤1、在单一入射光入射的前提下，根据PSA的各个状态求出相应的测量矩阵W，利用CCD相机采集PSA对应状态下的光强信息，并基于光强信息求得场景内三个不同物体的Stokes矢量；
步骤2、建立计算黑白CCD相机所接收的灰度图像与偏振态分析器状态的关联；即由偏振态分析器状态可以计算出黑白CCD相机所接收的灰度图像
步骤3、通过优化搜寻，获得最优化的三个PSA状态组合，模拟得到同一场景下三幅图像的灰度值大小，并把不同状态下的对应物体的灰度值分别赋值于RGB通道，从而形成对应物体的RGB空间坐标点；通过优化搜寻，获得最优化的三个偏振态分析器状态组合所对应的三幅场景灰度图像，该最优化的三个PSA状态使得彩色图像中物体RGB空间坐标点平均值的距离整体最大，其判据可为物体RGB空间坐标点平均值所连结成的三角形面积最大；
步骤4、根据步骤3模拟得到最优化的三个偏振态分析器状态组合下的三幅场景灰度图像，并将其赋值于RGB通道的分量灰度图像中，在合成得到的彩色图像中，具有不同偏振特性的物体将具有明显的色彩区别，从而实现区分多个不同偏振物体的物体识别。
步骤3对三个物体在三幅灰度图像中的灰度值分别赋值于RGB通道，并求得最优化PSA状态组合的方法是：将三个物体在RGB彩色空间下的RGB坐标点连结为矢量三角形，求得三角形面积取到最大值时PSA在三个状态下的偏振片和波片角度值，即为对应的最优化PSA状态组合。
步骤4中对多个不同偏振特性物体的识别方法是：模拟得出最优化PSA状态组合所对应的三幅灰度图像，并将其分别作为彩色图像中的RGB灰度分量图像进行合成，所得到的彩色图像中不同的偏振物体在步骤3的保证下将会表现出较大的色彩差异，从而对其进行识别。
本发明实施例描述如下：
基于Stokes矢量RGB图像优化表征的多物体区分方法具体步骤如下：
假设实施例场景中的原始灰度图像中包括物体1、2、3，经实际测量所得的物体1、2、3的平均Stokes参量如下所示：
S1＝[20.24,-16.32,-0.58,-1.78]T
S2＝[17.58,-6.44,5.47,5.94]T
S3＝[26.14,-25.20,-1.87,2.07]T
本例中PSA的特征矢量的椭圆率和方位角可转化为PSA中偏振片和波片的旋转角度θp和θR。
通过优化搜寻所得到的最优化PSA组合下的偏振片角度和波片角度组合 分别为35.98°、68.89°、14.85°、120.02°、91.79°、108.40°。以这一组合结果得到最优化场景组合彩色图像，三个物体分别具有不同的颜色，表明3个物体具有不同的偏振特性。因此不仅可以得知场景中有3个物体，而且可以直观和明显的看出，这三个物体具有不同的偏振特性，这是传统的强度图像所不能实现的。

Claims (3)

1.一种基于场景Stokes矢量测量及其RGB图像优化的多物体区分方法，其特征在于，该方法包括以下步骤：
步骤(1)、在单一入射光入射的前提下，根据PSA的各个状态求出相应的测量矩阵W，利用CCD相机采集PSA对应状态下的光强信息，并基于光强信息求得场景内三个不同物体的Stokes矢量；
步骤(2)、建立计算黑白CCD相机所接收的灰度图像与偏振态分析器状态的关联，即由偏振态分析器状态可以计算出黑白CCD相机所接收的灰度图像；
步骤(3)、通过优化搜寻，获得最优化的三个PSA状态组合，模拟得到同一场景下三幅图像的灰度值大小，并把不同状态下的对应物体的灰度值分别赋值于RGB通道，从而形成对应物体的RGB空间坐标点；通过优化搜寻，获得最优化的三个偏振态分析器状态组合所对应的三幅场景灰度图像，该最优化的三个PSA状态使得彩色图像中物体RGB空间坐标点平均值的距离整体最大，其判据可为物体RGB空间坐标点平均值所连结成的三角形面积最大；
步骤(4)、根据步骤(3)模拟得到最优化的三个偏振态分析器状态组合下的三幅场景灰度图像，并将其赋值于RGB通道的分量灰度图像中，在合成得到的彩色图像中，具有不同偏振特性的物体将具有明显的色彩区别，从而实现区分多个不同偏振物体的物体识别。
2.如权利要求1所述的基于场景Stokes矢量测量及其RGB图像优化的多物体区分方法，其特征在于，所述步骤(3)中获得最优化的三个偏振态分析器状态组合的方法，具体包括：将三个物体在RGB彩色空间下的RGB坐标点平均值连结为矢量三角形，求得三角形面积取到最大值时PSA在三个状态下的偏振片和波片角度值，即为对应的最优化偏振态分析器状态组合。
3.如权利要求1所述的基于场景Stokes矢量测量及其RGB图像优化的多物体区分方法，其特征在于，所述步骤(4)中实现区分多个具有不同偏振性质的物体的识别，具体包括：将模拟得出最优化PSA状态组合所对应的三幅灰度图像分别作为彩色图像中的RGB灰度分量图像进行合成，所得到的彩色图像中具有不同偏振特性的物体将会表现出较大的色彩差异，从而对其进行识别。
CN201610949355.4A 2016-10-26 2016-10-26 基于场景Stokes矢量测量及其RGB图像优化的多物体区分方法 Expired - Fee Related CN106504291B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610949355.4A CN106504291B (zh) 2016-10-26 2016-10-26 基于场景Stokes矢量测量及其RGB图像优化的多物体区分方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610949355.4A CN106504291B (zh) 2016-10-26 2016-10-26 基于场景Stokes矢量测量及其RGB图像优化的多物体区分方法

Publications (2)

Publication Number Publication Date
CN106504291A CN106504291A (zh) 2017-03-15
CN106504291B true CN106504291B (zh) 2019-05-17

Family

ID=58323049

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610949355.4A Expired - Fee Related CN106504291B (zh) 2016-10-26 2016-10-26 基于场景Stokes矢量测量及其RGB图像优化的多物体区分方法

Country Status (1)

Country Link
CN (1) CN106504291B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107817050B (zh) * 2017-09-07 2019-12-17 天津大学 基于彩色相机的多光谱彩色偏振成像对比度优化的方法
CN108230316B (zh) * 2018-01-08 2020-06-05 浙江大学 一种基于偏振差分放大图像处理的漂浮危化品检测方法
CN110332994B (zh) * 2019-07-22 2021-09-14 天津大学 基于偏振相机和优化波片的全Stokes矢量测量方法
CN111428673B (zh) * 2020-04-01 2023-06-09 天津大学前沿技术研究院有限公司 一种用于指纹增强显示的偏振矢量彩色图像融合方法
CN113542172B (zh) * 2021-07-12 2023-11-14 聊城大学 基于改进pso聚类的弹性光网络调制格式识别方法及系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105203209B (zh) * 2015-08-31 2017-07-11 天津大学 基于光强测量积分时间优化的Stokes矢量测量方法
CN105486408B (zh) * 2015-11-26 2017-10-27 天津大学 基于彩色CCD的三波长Stokes矢量偏振测量方法

Also Published As

Publication number Publication date
CN106504291A (zh) 2017-03-15

Similar Documents

Publication Publication Date Title
CN106504291B (zh) 基于场景Stokes矢量测量及其RGB图像优化的多物体区分方法
US10510203B2 (en) Identification device, identification method, identification program and computer readable medium including the identificatioin program
CN104104937B (zh) 图像处理装置以及图像处理方法
US8773514B2 (en) Accurate 3D object reconstruction using a handheld device with a projected light pattern
EP2072947B1 (en) Image processing device and image processing method
CN101960859B (zh) 图像处理方法、图像处理装置、图像合成方法和图像合成装置
JP4563513B2 (ja) 画像処理装置及び擬似立体画像生成装置
CN107154014A (zh) 一种实时彩色及深度全景图像拼接方法
CN107063117A (zh) 基于光场成像的水下激光同步扫描三角测距成像系统和方法
US20100142815A1 (en) Method and apparatus for correcting depth image
US10185288B2 (en) Apparatus and method for measuring quality of holographic image
CN101542232A (zh) 法线信息生成装置以及法线信息生成方法
Christlein et al. A study on features for the detection of copy-move forgeries
CN102521816A (zh) 一种云数据中心机房实时宽场景监控合成方法
CN105258673B (zh) 一种基于双目合成孔径聚焦图像的目标测距方法、装置
WO2018118073A1 (en) Polarimeter with multiple independent tunable channels and method for material and object classification and recognition
CN107203743B (zh) 一种人脸深度跟踪装置及实现方法
WO2021084907A1 (ja) 画像処理装置、画像処理方法及び画像処理プログラム
CN108548603A (zh) 一种非共轴四通道偏振成像方法及系统
CN107356333B (zh) 一种红外光谱偏振成像系统及其参数优化配置方法
CN109539981A (zh) 一种高温高频振动耦合环境下试件相关图像获取方法
CN110120012A (zh) 基于双目摄像头的同步关键帧提取的视频拼接方法
CN204287060U (zh) 一种基于rgb结构光的在线式三维检测装置
KR20170052297A (ko) 디스플레이 패널 외관 검사 장치 및 그 검사 방법
CN107817050A (zh) 基于彩色相机的多光谱彩色偏振成像对比度优化的方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20190517

Termination date: 20201026