CN106682631A - 一种基于偏振特性的水面目标检测方法 - Google Patents

Abstract

一种基于偏振特性的水面目标检测方法，采用偏振图像采集装置进行图像的拍摄，包括以下步骤：获取同一场景在不同偏振角度下的偏振图像；利用尺度不变特征变换方法对偏振图像的偏振度特征进行提取；对不同偏振角度的偏振图像进行配准；利用斯托克斯矢量基于最小二乘法计算各个偏振图像的偏振角和偏振度，进而得到偏振度图像；对偏振度图像进行阈值分割处理得到偏振二值图像，同时对该偏振度图像进行局部熵特征的提取得到基于局部熵特征的偏振度图像并进行阈值分割处理得到二值图像，将偏振二值图像和二值图像进行合成得到合成图像；将合成图像进行二值连通域分解，进而检测得到目标物。本发明具有特征稳定、灵敏度高的特点。

Description

一种基于偏振特性的水面目标检测方法

技术领域

本发明属于安防监控、机器视觉、自动化技术领域，具体地说是一种基于偏振特性的水面目标检测方法。

背景技术

偏振作为光的三大基本特征之一，包含了一束光中大量的信息，然而人类并不能直接感知到它。因此在传统的目标检测与识别算法中，一般只考虑到光的波长和强度特征，而忽略了光的偏振这一重要特征，这使得传统的检测方法存在着一些致命的缺陷，例如从场景中找出颜色与周围环境相同的伪装目标将会非常复杂。但是，由于不同目标与不同背景之间存在一些本质性的差异，例如它们的组成材质不同，即使它们的强度和波长特征比较类似，它们的偏振特性也有可能千差万别，这表明结合偏振特性的目标识别将有更多的适用场合。

发明内容

本发明要解决的技术问题是提供一种基于偏振特性的水面目标检测方法，具有特征稳定、灵敏度高的特点。

为了解决上述技术问题，本发明采取以下技术方案：

一种基于偏振特性的水面目标检测方法，采用偏振图像采集装置进行图像的拍摄，包括以下步骤：

S1,获取同一场景在不同偏振角度下的偏振图像，该偏振图像的数量n≥3；

S2,利用尺度不变特征变换方法对偏振图像的偏振度特征进行提取；

S3,对不同偏振角度的偏振图像进行配准；

S4,利用斯托克斯矢量基于最小二乘法计算各个偏振图像的偏振角和偏振度，进而得到偏振度图像；

S5,对偏振度图像进行阈值分割处理得到偏振二值图像，同时对该偏振度图像进行局部熵特征的提取得到基于局部熵特征的偏振度图像，对该基于局部熵特征的偏振度图像进行阈值分割处理得到二值图像，将偏振二值图像和二值图像进行合成得到合成图像；

S6,将合成图像进行二值连通域分解，进而检测得到目标物。

所述步骤S3的配准为计算各个偏振图像之间的平移量，具体为：

对各个偏振图像进行两两配准，先选取其中两幅偏振图像，从该两幅偏振图像中各选取K个点并进行对应配对形成K个匹配对；

计算每个匹配对的差值，将差值相同的匹配对放入同一个散列，将差值不同的匹配对放入不同的散列；

在所有散列中选出包含匹配对数量最多的一个散列，将该散列的匹配对定义为正确的匹配对，并且对该散列中的匹配对的差值取平均值，该平均值是指将该散列中各个匹配队的差值相加后再除以匹配对的数量计算得到，该平均值为当前两幅偏振图像的平移量。

所述步骤S4具体为：

根据出射光的光强计算式计算得到斯托克斯矢量的三个参数S₀、S₁、

偏振图像的偏振角度均匀分布在[0,π)区间上，结合偏振图像的数量n，得到如下方程组式：

根据上式，利用最小二乘法解得斯托克斯矢量的三个参数S₀、S₁、S₂；

根据上述得到的三个参数S₀、S₁、S₂，由下式计算得到偏振图像的偏振度和偏振角：

上式中，P为偏振度，α偏振角。

所述步骤S5中局部熵特征的提取具体为：

设f(x,y)是一幅偏振图像中(x,y)处的灰度值，对于一幅大小为M×N的偏振图像，令

上式中H_f为偏振图像的信息熵，p_ij为偏振图像的灰度分布；如果大小M×N是偏振图像的一个局部窗口的大小，则该H_f为偏振图像的局部熵。

根据偏振图像的灰度分布可知，

p_ij<<1，因此，通过泰勒公式展开的方法得到近似的H_f计算公式：

所述步骤S6中合成图像时采用基于广度优先搜索方法进行处理，具体为：

S6.1，扫描偏振图像，直到当前像素点B(x、y)＝1；

S6.1.1，将像素点B(x、y)作为起始点，赋予一个起始标签，并将与该起始点相邻的所有前景像素存入队列尾部；

S6.1.2，取出队列头部像素点，对该头部像素点赋予与起始标签相同的标签，然后将与该头部像素点相邻的所有前景像素存入队列尾部；

S6.1.3，返回步骤S6.1.1，直到队列为空；

S6.2，重复执行步骤S6.1，直到所有偏振图像扫描结束，

从而将具有相同标签的像素点组成一个连通域，然后返回连通域的外接矩形坐标，获得目标位置。

本方法使用了光的方向信息，具有特征稳定、灵敏度高的特点，在水面目标检测领域具有较高的应用价值。

附图说明

附图1为本发明流程示意图；

附图2为本发明水面偏振度图像；

附图3为本发明水面目标检测效果图。

具体实施方式

为了便于本领域技术人员的理解，下面结合附图对本发明作进一步的描述。

如附图1所示，本发明揭示了一种基于偏振特性的水面目标检测方法，采用偏振图像采集装置进行图像的拍摄，该偏振图像采集装置可由偏振装置、光学相机、摄像机构成，能够自动或者手动旋转偏振图像采集装置从而获得不同的偏振角度。包括以下步骤：

S1,获取同一场景在不同偏振角度下的偏振图像，该偏振图像的数量n≥3，偏振角度均匀分布在在[0,π)区间。

S2,利用尺度不变特征变换方法对偏振图像的偏振度特征进行提取。

S3,对不同偏振角度的偏振图像进行配准。由于偏振图像采集装置在拍摄过程中产生的抖动或移动偏差一般为仿射变换，因此，各幅偏振图像之间只存在平移误差。

S4,利用斯托克斯矢量基于最小二乘法计算各个偏振图像的偏振角和偏振度，进而得到偏振度图像。

S5,对偏振度图像进行阈值分割处理得到偏振二值图像，同时对该偏振度图像进行局部熵特征的提取得到基于局部熵特征的偏振度图像，对该基于局部熵特征的偏振度图像进行阈值分割处理得到二值图像，将偏振二值图像和二值图像进行合成得到合成图像。利用局部熵特征对偏振图像进行降噪处理。

S6,将合成图像进行二值连通域分解，进而检测得到目标物，利用二值“与”运算将两个二值图像进行相加合成。

所述步骤S3的配准为计算各个偏振图像之间的平移量，具体为：

对各个偏振图像进行两两配准，先选取其中两幅偏振图像，从该两幅偏振图像中各选取K个点并进行对应配对形成K个匹配对。通常是选取出匹配效果较佳的K个点，该K可灵活设定，如设为30、35、40或者其他。分别求出同一物体在两幅偏振图像中的坐标，相当于同一个点在两幅偏振图像中的坐标。

计算每个匹配对的差值，将差值相同的匹配对放入同一个散列，将差值不同的匹配对放入不同的散列。

在所有散列中选出包含匹配对数量最多的一个散列，将该散列的匹配对定义为正确的匹配对，并且对该散列中的匹配对的差值取平均值，该平均值是指将该匹配中各个匹配队的差值相加后除以匹配队的数量计算得到，该平均值为当前两幅偏振图像的平移量。通过以上操作，建立一种“投票”的机制，从而确保两幅偏振图像的精确配准。

所述步骤S4具体为：

根据出射光的光强计算式计算得到斯托克斯矢量的三个参数S₀、S₁、S₂，

偏振图像的偏振角度均匀分布在[0,π)区间上，结合偏振图像的数量n，得到如下方程组式：

根据上式，利用最小二乘法解得斯托克斯矢量的三个参数S₀、S₁、S₂，至于n的选择，需要对检测速度和检测准确度两个方面权衡，若对速度要求较高，则n一般较小，若对准确度要求较高，则n一般较大，可进行灵活设置。

根据上述得到的三个参数S₀、S₁、S₂，由下式计算得到偏振图像的偏振度和偏振角：

上式中，P为偏振度，α偏振角。

所述步骤S5中局部熵特征的提取具体为：

设f(x,y)是一幅偏振图像中(x,y)处的灰度值，对于一幅大小为M×N的偏振图像，令

上式中H_f为偏振图像的信息熵，p_ij为偏振图像的灰度分布；如果大小M×N是偏振图像的一个局部窗口的大小，则该H_f为偏振图像的局部熵。

根据偏振图像的灰度分布可知，

p_ij<<1，因此，通过泰勒公式展开的方法得到近似的H_f计算公式：

所述步骤S6中合成图像时采用基于广度优先搜索方法进行处理，首先选取一个前景像素点，然后根据连通区域的基本条件(位置相邻，像素值相同)将与选取点相邻的前景像素合并为同一个集合，最后得到的像素集合即为一个连通域。具体为：

S6.1，扫描偏振图像，直到当前像素点B(x、y)＝1；

S6.1.1，将像素点B(x、y)作为起始点，赋予一个起始标签，并将与该起始点相邻的所有前景像素存入队列尾部；

S6.1.2，取出队列头部像素点，对该头部像素点赋予与起始标签相同的标签，然后将与该头部像素点相邻的所有前景像素存入队列尾部；

S6.1.3，返回步骤S6.1.1，直到队列为空；

S6.2，重复执行步骤S6.1，直到所有偏振图像扫描结束，

从而将具有相同标签的像素点组成一个连通域，然后返回连通域的外接矩形坐标，获得目标位置。

Claims (6)

1.一种基于偏振特性的水面目标检测方法，采用偏振图像采集装置进行图像的拍摄，包括以下步骤：

S1,获取同一场景在不同偏振角度下的偏振图像，该偏振图像的数量n≥3；

S2,利用尺度不变特征变换方法对偏振图像的偏振度特征进行提取；

S3,对不同偏振角度的偏振图像进行配准；

S4,利用斯托克斯矢量基于最小二乘法计算各个偏振图像的偏振角和偏振度，进而得到偏振度图像；

S5,对偏振度图像进行阈值分割处理得到偏振二值图像，同时对该偏振度图像进行局部熵特征的提取得到基于局部熵特征的偏振度图像，对该基于局部熵特征的偏振度图像进行阈值分割处理得到二值图像，将偏振二值图像和二值图像进行合成得到合成图像；

S6,将合成图像进行二值连通域分解，进而检测得到目标物。

2.根据权利要求1所述的基于偏振特性的水面目标检测方法，其特征在于，所述步骤S3的配准为计算各个偏振图像之间的平移量，具体为：

对各个偏振图像进行两两配准，先选取其中两幅偏振图像，从该两幅偏振图像中各选取K个点并进行对应配对形成K个匹配对；

计算每个匹配对的差值，将差值相同的匹配对放入同一个散列，将差值不同的匹配对放入不同的散列；

在所有散列中选出包含匹配对数量最多的一个散列，将该散列的匹配对定义为正确的匹配对，并且对该散列中的匹配对的差值取平均值，该平均值是指将该散列中各个匹配队的差值相加后再除以匹配对的数量计算得到，该平均值为当前两幅偏振图像的平移量。

3.根据权利要求2所述的基于偏振特性的水面目标检测方法，其特征在于，所述步骤S4具体为：

根据出射光的光强计算式计算得到斯托克斯矢量的三个参数S₀、S₁、S₂，

偏振图像的偏振角度均匀分布在[0,π)区间上，结合偏振图像的数量n，得到如下方程组式：

$\left\{\begin{array}{c}I\left(0\right)=\frac{1}{2}\left(S_0+S_1\cos \left(2*0\right)+S_2\sin \left(2*0\right)\right)\\ I\left(\frac{\mathrm{\&pi;}}{n}\right)=\frac{1}{2}\left(S_0+S_1\cos \left(2*\frac{\mathrm{\&pi;}}{n}\right)+S_2\sin \left(2*\frac{\mathrm{\&pi;}}{n}\right)\right)\\ \begin{array}{c}.\\ .\\ .\end{array}\\ I\left(\frac{\left(n-2\right)\mathrm{\&pi;}}{n}\right)=\frac{1}{2}\left(S_0+S_1\cos \left(2*\frac{\left(n-2\right)\mathrm{\&pi;}}{n}\right)+S_2\sin \left(2*\frac{\left(n-2\right)\mathrm{\&pi;}}{n}\right)\right)\\ I\left(\frac{\left(n-1\right)\mathrm{\&pi;}}{n}\right)=\frac{1}{2}\left(S_0+S_1\cos \left(2*\frac{\left(n-1\right)\mathrm{\&pi;}}{n}\right)+S_2\sin \left(2*\frac{\left(n-1\right)\mathrm{\&pi;}}{n}\right)\right)\end{array}\right.,$

根据上式，利用最小二乘法解得斯托克斯矢量的三个参数S₀、S₁、S₂；

根据上述得到的三个参数S₀、S₁、S₂，由下式计算得到偏振图像的偏振度和偏振角：

$\left\{\begin{array}{c}P=\frac{\sqrt{S_1^2+S_2^2}}{S_0}\\ \mathrm{\&theta;}=\frac{1}{2}{\tan }^{-1}\left(\frac{S_2}{S_1}\right)\end{array}\right.,$

上式中，P为偏振度，α偏振角。

4.根据权利要求3所述的基于偏振特性的水面目标检测方法，其特征在于，所述步骤S5中局部熵特征的提取具体为：

设f(x,y)是一幅偏振图像中(x,y)处的灰度值，对于一幅大小为M×N的偏振图像，令

$\left\{\begin{array}{c}{H}_f=-\underset{i=1}{\overset{M}{\&Sigma;}}\underset{j=1}{\overset{N}{\&Sigma;}}{p}_{ij}\log p_{ij}\\ p_{ij}=\frac{f(i,j)}{\underset{i=1}{\overset{M}{\&Sigma;}}\underset{j=1}{\overset{N}{\&Sigma;}}f(i,j)}\end{array}\right.,$

上式中H_f为偏振图像的信息熵，p_ij为偏振图像的灰度分布；如果大小M×N是偏振图像的一个局部窗口的大小，则该H_f为偏振图像的局部熵。

5.根据权利要求4所述的基于偏振特性的水面目标检测方法，其特征在于，根据偏振图像的灰度分布可知，

p_ij<<1，因此，通过泰勒公式展开的方法得到近似的H_f计算公式：

$H_f\&ap;-\underset{i=1}{\overset{M}{\&Sigma;}}\underset{j=1}{\overset{N}{\&Sigma;}}{p}_{ij}(p_{ij}-1)=1-\underset{i,j}{\&Sigma;}{p}_{ij}^2.$

6.根据权利要求5所述的基于偏振特性的水面目标检测方法，其特征在于，所述步骤S6中合成图像时采用基于广度优先搜索方法进行处理，具体为：

S6.1，扫描偏振图像，直到当前像素点B(x、y)＝1；

S6.1.1，将像素点B(x、y)作为起始点，赋予一个起始标签，并将与该起始点相邻的所有前景像素存入队列尾部；

S6.1.2，取出队列头部像素点，对该头部像素点赋予与起始标签相同的标签，然后将与该头部像素点相邻的所有前景像素存入队列尾部；

S6.1.3，返回步骤S6.1.1，直到队列为空；

S6.2，重复执行步骤S6.1，直到所有偏振图像扫描结束，

从而将具有相同标签的像素点组成一个连通域，然后返回连通域的外接矩形坐标，获得目标位置。