CN106952282A - 一种基于偏振参数的伪装识别方法 - Google Patents
一种基于偏振参数的伪装识别方法 Download PDFInfo
- Publication number
- CN106952282A CN106952282A CN201710125161.7A CN201710125161A CN106952282A CN 106952282 A CN106952282 A CN 106952282A CN 201710125161 A CN201710125161 A CN 201710125161A CN 106952282 A CN106952282 A CN 106952282A
- Authority
- CN
- China
- Prior art keywords
- target
- light
- polarization
- man
- image
- 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.)
- Withdrawn
Links
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于偏振参数的伪装识别方法,首先利用穆勒矩阵中的三个描述目标偏振特性的参量对不同目标作出相应趋势图,再根据趋势图分析发现不同材料在大多入射角的偏振特性差异明显,但在局部角度有重合的特性,并以此建立一种自适应阈值分割方法,区分人造目标和自然背景。最后利用伪彩色融合技术,提高人眼的观测识别率。本发明具有高效性,高识别率,能够有效提高伪装识别精度和效率。
Description
技术领域
本发明属于目标识别和图像处理领域,具体涉及一种基于偏振参数的伪装识别方法。
背景技术
可见光图像容易受到外界环境因素的影响,当人造目标隐藏在背景中时,由于对比度低,所以较难被发现。随着军事伪装以及新型隐身材料的发展,目标的探测与识别变得愈发困难。偏振成像技术能够探测到目标表面的偏振信息,利用人造目标与自然背景间的偏振特性差异可以对隐藏在自然背景中的目标进行探测与识别,在一定程度上弥补了可见光成像的不足。
西北工业大学的赵永强等人对可见光多光谱段进行偏振研究,分析了自然光下地物的偏振特性,并建立起涂层目标与背景的BRDF模型,提出了基于噪声特征与斯托克图像能量特征的小波图像融合方法,对图像中的杂乱背景进行抑制。同时对偏振图像的信息融合进行了研究,将多源图像映射到HIS空间中,通过一种伪彩色融合算法在杂乱背景中凸显目标(赵永强.成像偏振光谱遥感及应用[M]//国防工业出版社,2011.)。北京理工大学提出一种建立粗糙微面元偏振模型的方法,验证分析了粗糙表面的偏振度与观测角的变化规律;同时研究了红外光强图像与偏振信息图像的融合,利用小波变换的区域特征匹配的多尺度分解的图像融合算法,融合后效果明显,较传统方法相比,图像的信噪比与信息熵都得到了很大的改善。(马帅,白廷柱,曹峰梅等.基于双向反射分布函数模型的红外偏振仿真[J].光学学报,2009,第12期(12):3357-3361;陈伟力,王霞,金伟其,等.基于小波包变换的中波红外偏振图像融合研究)。但是此两种方法建模过程过于复杂,步骤繁琐,不适用于快速检测。
发明目的
本发明的目的在于提供一种基于偏振参数的伪装识别方法,利用人造目标与自然背景间的偏振特性差异,对隐藏在自然背景中的目标进行探测与识别,在一定程度上弥补可见光成像的不足,并且设备要求较低,步骤简单,可应用于快速检测。
发明内容
一种基于偏振参数的伪装识别方法,在获得目标的Mueller矩阵的基础上,首先提取三个描述目标偏振特性的参量,并分别对不同目标作出相应趋势图,然后再根据趋势图建立自适应阈值分割方法,区分出人造目标和自然背景,从而实现伪装的识别。
本发明与现有技术相比,其显著优点为:(1)相较于可见光图像容易受到外界环境因素的影响,当人造目标隐藏在背景中时,偏振成像技术能够探测到目标表面的偏振信息,利用人造目标与自然背景间的偏振特性差异可以对隐藏在自然背景中的目标进行探测与识别。(2)利用穆勒矩阵中DI(M)、D(M)和P(M)三个参量的趋势图,提高了识别精度。(3)利用伪彩色融合技术对灰度图像进行处理,从而有效地提高人眼的观测识别率。(4)设备要求较低,步骤简单,可应用于快速检测。
下面结合附图对本发明进一步详细描述
附图说明
图1是Stokes参量的测量光路图。
图2是本发明的Mueller矩阵图像采集系统。
图3是本发明方法采用的实验样本。
图4是三种样本的DI(M)图像。
图5是三种样本的D(M)图像。
图6是三种样本的P(M)图像。
图7是样本原灰度图像。
图8是人造目标和自然背景区分后的图像。
图9是融合后的图像。
具体实施方式:
本发明基于偏振参数的伪装识别方法,在Mueller矩阵的基础上,首先提取三个描述目标偏振特性的参量,并分别对不同目标作出相应趋势图,再根据趋势图分析发现不同材料在大多入射角的偏振特性差异明显,但在局部角度有重合的特性,并根据趋势图计算自适应阈值进行分割,区分出人造目标和自然背景,从而实现伪装的识别。可以在此基础上,再利用伪彩色融合,使人眼能观察到人造目标和自然背景明显区分开,从而提高人眼的观测识别率。实现上述伪装识别方法的具体实施步骤如下:
1.获得目标的Mueller矩阵
Stokes矢量是由英国物理学家Stokes于1852年提出的用于描述光波偏振态的一种简单的数学表达形式,它可以描述光的任意偏振态,易于测量且不涉及复数,计算简单,是目前最为常用的描述光波偏振态的表示方法。Stokes矢量包含四个参量,表示如下:
S=(s0,s1,s2,s3)T (1)
式(1)中,s0、s1、s2、s3为Stokes矢量的四个元素,其中,s0表示光波总强度,s1表示其在水平方向(x方向)与垂直方向(y方向)上的线偏振光分量之间的强度差;s2表示光波在45°和-45°方向上的线偏振光分量之间的强度差;s3表示光的右旋和左旋圆偏振分量之间的强度差。上述的4个参量均是光强的时间平均值,具有强度的量纲,可以直接被光电探测器探测。
Stokes矢量所描述的是光线的偏振特性,而在光束与目标介质相互作用的过程中,其偏振态会发生变化,为了对作用过程中的光学元件和目标介质的特性进行描述,则可以采用由H.Mueller和他的研究生N.G.Parke于1943年所提出的基于Stokes-Mueller体系的描述方法,该方法能够表示光学系统对入射光偏振态的影响。由H.Mueller设计的Mueller矩阵的表示如下:
式(2)中的16个元素都为实数,m00表示目标物体对入射光的传输、反射以及散射的能力;(m01m02m03)表示目标物体对入射光的水平、垂直和圆性的双向衰减能力;(m10m20m30)T表示目标物体改变入射非偏振光的偏振态的能力;除上述的7个元素外的其他元素表征目标物体对入射光的相位延迟与退偏振能力,其中,m11、m22、m33是与退偏相关的量,分别表征水平线性退偏系数、45°线性退偏系数和圆退偏系数。借助Mueller矩阵,光学系统或者目标介质对入射光偏振态的变换可以表示为:
式(3)中,Si表示入射偏振光的Stokes矢量,So表示经过光学系统或者目标介质后的出射光的Stokes矢量,M为光学系统或者目标介质的Mueller矩阵。式(3)既可以用于求解光学系统的Mueller矩阵,也可以用于求解目标介质的Mueller矩阵。当入射光的Stokes矢量Si以及出射光的Stokes矢量So均为已知时,便可以利用式(3)求得光学系统或者目标介质的Mueller矩阵。
Stokes参量的测量光路图如图1所示,沿z轴传播的光束,先后通过快轴与参考轴成β角的1/4波片和透光轴与参考轴成α角的检偏器(偏振片),经过1/4波片和检偏器后的光束被探测器接收。
快方位角为β的1/4λ波片的Mueller矩阵为:
透光轴方位角为α的偏振片的Mueller矩阵为:
若入射光的Stokes矢量为S″=(s″0,s″1,s″2,s″3)T,CCD采集到的Stokes矢量为S′=(s′0,s′1,s′2,s′3)T,于是有:
式(6)中计算得到的第一项s′0即为CCD采集到的光强值,可以得到:
由上式(7)光强表达式可知,只需将偏振片与1/4λ波片分别转动,且转动次数超过4次,就能解出入射光的Stokes矢量S″=(s″0,s″1,s″2,s″3)T。根据α、β的取值不同,CCD接收的光强I也不同。从精度、实际操作难度以及计算强度考虑,本专利选取六组数据,分别为偏振片处于0°、45°、90°、135°以及1/4波片处于0°和45°时,如下式(8)所示方程组:
解得的入射光的Stokes矢量的四个参量分别为:
Mueller矩阵是Stokes矢量在描述光矢量传播过程中的偏振态变化的关系矩阵,其中的每一个元素或是元素组都与目标物体自身的材料、含水量、表面构造、介电常数、表面粗糙度、折射率等特性密切相关。对于不同材料的物体,其偏振特性不同;而即使是相同的物体,在不同的状态下其偏振特性也会有所不同,因而Mueller矩阵可以作为识别目标的重要特征。
Mueller矩阵的获取采用的是主动成像方式,较被动成像而言,主动成像的方式可以不受外界因素的影响。近年来,作为偏振信息提取的新方式,Mueller矩阵受到了越来越多的重视。本文采用激光作为主动光源,激光具有良好的偏振性,且可以提供单一波长的成像光束(本发明中激光提供的波长为632.8nm),极大地提高系统信噪比,对图像质量有一定的改善作用,同时可以增加成像距离,实现远距离探测。
Mueller矩阵图像采集系统如图2所示,其采集过程如下:激光光源产生光束,经过透镜扩束,再经过光阑消除杂散光,得到稳定光强的平行光,后经过固定角度的偏振片P1和1/4波片W1得到一束右旋圆偏振光,该右旋圆偏振光经过起偏系统,得到不同偏振态的入射光。
起偏系统由偏振片P2和1/4波片W2组成,通过旋转P2和W2的不同角度得到6种不同偏振态的入射光,即将P2和W2均转至0得到x轴方向的线偏振光;P2转至0,W2转至π/4得到右旋圆偏振光;P2和W2均转至π/4得到π/4方向线偏振光;P2转至π/2,W2转至π/4得到左旋圆偏振光;P2转至π/2,W2转至0得到y轴方向线偏振光;P2转至3π/4且W2转至π/4得到3π/4方向线偏振光。6种不同偏振态的入射光分别照射到探测目标上,经过目标表面散射后,出射光经检偏系统被CCD探测器接收。
检偏系统由偏振片P3和1/4波片W3组成,旋转角度与起偏系统一致,即起偏系统旋转一次角度,检偏系统旋转6次角度。CCD探测出经过检偏系统的光强(即获得目标区域内所有像素的亮度),结合检偏系统中偏振片P3和1/4波片W3的Mueller矩阵(偏振片与波片每转至一个角度都有对应的Mueller矩阵并且已知)、已知入射光的Stokes矢量以及出射光的Stokes矢量,即可求出目标的Mueller矩阵。由于起偏系统旋转6次不同角度,检偏系统旋转6次不同的角度,即利用36个方程去解目标Mueller矩阵的16个参数,可以得到目标区域内每个像素的Mueller矩阵的精确解。
2.提取穆勒矩阵Mueller中三个描述目标偏振特性的参量
入射光经过不同材料后偏振特性会发生不同的变化。Mueller矩阵可以计算出其影响入射光偏振态的特性,包括双向衰减特性(Diattenuation)、相位延迟特性(Retardance)和退偏振特性(Depolarisation)。其中,双向衰减特性表征与偏振相关的强度衰减特性,相位延迟特性表征与偏振相关的相位改变的特性,而退偏振表征的是物体与入射偏振光相互作用后,出射光变为部分偏振光的特性。双向衰减、相位延迟以及退偏振特性与目标的材料等自身特性有着密切的关联。
若已知了目标的Mueller矩阵,通常使用退偏振指数、双向衰减参量以及偏振参量这三个参量来描述目标的偏振特性,对这三个参量的简单介绍如下。双向衰减特性DI(M)、退偏振特性D(M)、相位延迟特性P(M)只与Mueller矩阵中各个元素相关,可以由Mueller矩阵中的元素直接推导出来。其定义如下:
根据定义,可利用Mueller矩阵的16个参数计算出DI(M),D(M),P(M)值。对于某一材料,将目标区域内所求得的DI(M),D(M),P(M)值求平均,即可获得该材料的DI(M),D(M),P(M)值(若无特殊说明,后面涉及的DI(M),D(M),P(M)值皆为该处所定义均值)。当计算出目标区域内的每个像素的DI(M),D(M),P(M)值后分别将其作为像素的亮度值输出图像,即为目标的实际DI(M),D(M),P(M)图像(若无特殊说明,后面称之为实际DI(M),D(M),P(M)图像)。
3.作出各种材料在各个角度下的DI(M)、D(M)和P(M)趋势图
本申请以树叶、绿色伪装布和伪装涂料进行实验,样本如图3所示,a)为树叶在伪装布上,b)为树叶在绿色伪装涂料上。
将某一材料样品放置在图2所示的样品架上,调整起偏系统和检偏系统在圆轨上的位置以改变入射角和出射角大小。将入射角从30度调至75度,每间隔7.5度(30°、37.5°、45°、52.5°、60°、67.5°、75°)测一组Mueller矩阵,从而获得各个角度下样品的平均DI(M),D(M),P(M)值,并以此作出各角度下的DI(M),D(M),P(M)趋势图。
图4所示为绿色伪装涂料、树叶及绿色伪装布在各个角度下的DI(M)均值趋势图,图5所示绿色伪装涂料、树叶及绿色伪装布在各个角度下的D(M)趋势图,图6所示绿色伪装涂料、树叶及绿色伪装布在各个角度下的P(M)趋势图,从图中可看出三种材料所对应的曲线存在明显差异,可通过动态自适应阈值分割方法对每个样本的实际DI(M),D(M),P(M)图像进行处理。
样本的实际D(M)、DI(M)和P(M)图如图7所示,a)为场景一的实际D(M)图,b)为场景一的实际DI(M)图,c)为场景一的实际P(M)图,d)为场景二的实际D(M)图,e)为场景二的实际DI(M)图,f)为场景二的实际P(M)图。
4.根据趋势图计算自适应阈值进行分割
由DI(M)、D(M)和P(M)趋势图计算出一个动态自适应阈值τ,
并对包含任意两种已知材料的实际DI(M),D(M),P(M)图像进行分割,其中τ1、τ2分别为场景一中的伪装布和树叶或场景二中的涂料和树叶在某一角度下的DI(M)、D(M)或P(M)值。如样本趋势图所示,在大多数入射角下,不同材料的偏振参数是相互不同的,除了极少数角度下会重合。理论上讲,如果所有角度下两种样本的三个参数值都相等的话,可认为此两种样本材料相同。因此不同材料的三种参数不会在所有角度下完全重合。
因此,可以计算出一个动态自适应阈值,将实际DI(M),D(M),P(M)图像分成>τ和<τ的两部分,该两部分为人造目标或自然背景;少数在阈值边缘或无法进行分类的像素,此时DI(M)、D(M)或P(M)=τ,将对其进行以下操作:a)一个像素如果在实际DI(M),D(M),P(M)图像中的两幅被认为是自然背景或人造目标,则将其判定为自然背景或人造目标;b)如果一个像素在一副图像中被认为是自然背景或人造目标,但在另外两幅图像中无法确认,则将其判定为自然背景或人造目标;c)如果一个像素在两幅图像中分别被认为是人造目标和自然背景,但在第三幅图像中无法辨识,则将其判定为自然背景。经过上述判定过程,则将人造目标和自然背景明显区分开来,如图8所示:a)中黑色部分为绿色伪装布,白色部分为树叶;b)中黑色部分为树叶,白色部分为绿色伪装涂料。
5.增强伪装识别度
本申请利用RGB伪彩色融合达到图像增强的目的。首先,将彩色图像转换成灰度图像,然后将DI(M)图像作为R通道,上述分离图像作为G通道,P(M)图像作为B通道,最后输出融合图像如图9所示:a)为树叶在伪装布上,绿色部分为树叶,棕色部分为伪装布;b)为树叶在伪装涂料上,绿色部分为伪装涂料,棕色部分为树叶。
Claims (7)
1.一种基于偏振参数的伪装识别方法,其特征在于在获得目标的Mueller矩阵的基础上,首先提取三个描述目标偏振特性的参量,并分别对不同目标作出相应趋势图,然后再根据趋势图计算自适应阈值进行分割,区分出人造目标和自然背景,从而实现伪装的识别。
2.根据权利要求1所述的基于偏振参数的伪装识别方法,其特征在于获得目标的Mueller矩阵的过程为:激光光源产生光束,经过透镜扩束,再经过光阑消除杂散光,得到稳定光强的平行光,后经过固定角度的偏振片P1和1/4波片W1得到一束右旋圆偏振光,该右旋圆偏振光经过起偏系统,得到不同偏振态的入射光;
起偏系统由偏振片P2和1/4波片W2组成,通过旋转P2和W2的不同角度得到6种不同偏振态的入射光,即将P2和W2均转至0得到x轴方向的线偏振光;P2转至0,W2转至π/4得到右旋圆偏振光;P2和W2均转至π/4得到π/4方向线偏振光;P2转至π/2,W2转至π/4得到左旋圆偏振光;P2转至π/2,W2转至0得到y轴方向线偏振光;P2转至3π/4且W2转至π/4得到3π/4方向线偏振光,所述6种不同偏振态的入射光分别照射到探测目标上,经过目标表面散射后,出射光经检偏系统被CCD探测器接收;该检偏系统由偏振片P3和1/4波片W3组成,旋转角度与起偏系统一致,即起偏系统旋转一次角度,检偏系统旋转6次角度;
CCD探测出经过检偏系统的光强,即获得目标区域内所有像素的亮度,再结合检偏系统中偏振片P3与1/4波片W3的Mueller矩阵、已知入射光的Stokes矢量以及出射光的Stokes矢量,即可求出目标的Mueller矩阵。
3.根据权利要求1所述的基于偏振参数的伪装识别方法,其特征在于提取Mueller矩阵中三个描述目标偏振特性的参量DI(M),D(M),P(M),即利用Mueller矩阵的16个参数计算出DI(M),D(M),P(M)值,对于某一材料,将目标区域内所求得的DI(M),D(M),P(M)值求平均,即可获得该材料的DI(M),D(M),P(M)值,当计算出目标区域内的每个像素的DI(M),D(M),P(M)值后分别将其作为像素的亮度值输出图像,即为目标的实际DI(M),D(M),P(M)图像。
4.根据权利要求1所述的基于偏振参数的伪装识别方法,其特征在于作出各种材料在各个角度下的DI(M)、D(M)和P(M)趋势图,其过程如下:将某一材料样品放置在样品架上,调整起偏系统和检偏系统在圆轨上的位置以改变入射角和出射角大小,在入射、出射角分别为30°、37.5°、45°、52.5°、60°、67.5°、75°时分别测出样品的DI(M),D(M),P(M)值,并以此作出各角度下的DI(M),D(M),P(M)趋势图。
5.根据权利要求1或4所述的基于偏振参数的伪装识别方法,其特征在于由DI(M)、D(M)和P(M)趋势图计算出一个动态自适应阈值τ,并对包含任意两种已知材料的实际DI(M),D(M),P(M)图像进行分割:
其中τ1、τ2分别为两种材料在某一角度下的DI(M)、D(M)或P(M)值;
将实际DI(M),D(M),P(M)图像分成>τ和<τ的两部分,该两部分为人造目标或自然背景;对于少数在阈值边缘或无法进行分类的像素,即DI(M)、D(M)或P(M)=τ,将对其进行以下操作:a)一个像素如果在实际DI(M),D(M),P(M)图像中的两幅被认为是自然背景或人造目标,则将其判定为自然背景或人造目标;b)如果一个像素在一副图像中被认为是自然背景或人造目标,但在另外两幅图像中无法确认,则将其判定为自然背景或人造目标;c)如果一个像素在两幅图像中分别被认为是人造目标和自然背景,但在第三幅图像中无法辨识,则将其判定为自然背景;经过上述判定过程,则将人造目标和自然背景明显区分开来。
6.根据权利要求1所述的基于偏振参数的伪装识别方法,其特征在于划分出人造目标和自然背景后,再利用伪彩色融合,使人眼能观察到人造目标和自然背景明显区分开,从而提高人眼的观测识别率。
7.根据权利要求6所述的基于偏振参数的伪装识别方法,其特征在于利用RGB伪彩色融合来增强图像,将DI(M)图像作为R通道,上述人造目标和自然背景分离的图像作为G通道,P(M)图像作为B通道,最后输出融合图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710125161.7A CN106952282A (zh) | 2017-03-03 | 2017-03-03 | 一种基于偏振参数的伪装识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710125161.7A CN106952282A (zh) | 2017-03-03 | 2017-03-03 | 一种基于偏振参数的伪装识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106952282A true CN106952282A (zh) | 2017-07-14 |
Family
ID=59467785
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710125161.7A Withdrawn CN106952282A (zh) | 2017-03-03 | 2017-03-03 | 一种基于偏振参数的伪装识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106952282A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109596530A (zh) * | 2018-11-13 | 2019-04-09 | 浙江大学 | 光学表面麻点和灰尘缺陷分类的暗场偏振成像装置和方法 |
CN110345864A (zh) * | 2018-04-01 | 2019-10-18 | 印芯科技股份有限公司 | 三维感测模块 |
CN111292279A (zh) * | 2020-01-17 | 2020-06-16 | 中国科学院上海技术物理研究所 | 一种基于彩色图像融合的偏振图像可视化方法 |
CN111328370A (zh) * | 2019-04-23 | 2020-06-23 | 合刃科技(深圳)有限公司 | 一种表面缺陷检测系统及方法 |
CN113779781A (zh) * | 2021-02-08 | 2021-12-10 | 合肥工业大学 | 一种基于偏振纯度的识别伪装目标方法 |
CN114324185A (zh) * | 2022-01-04 | 2022-04-12 | 浙江大学 | 一种基于Stokes矢量的水下偏振探测装置 |
CN114359136A (zh) * | 2021-11-24 | 2022-04-15 | 北京航天发射技术研究所 | 一种基于地面成像数据的隐身效果评估方法和系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105787499A (zh) * | 2014-12-26 | 2016-07-20 | 南京理工大学 | 基于K-means聚类和偏振信息提取的伪装目标识别方法 |
CN106204568A (zh) * | 2016-07-06 | 2016-12-07 | 天津大学 | 极化sar图像人造目标提取方法 |
-
2017
- 2017-03-03 CN CN201710125161.7A patent/CN106952282A/zh not_active Withdrawn
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105787499A (zh) * | 2014-12-26 | 2016-07-20 | 南京理工大学 | 基于K-means聚类和偏振信息提取的伪装目标识别方法 |
CN106204568A (zh) * | 2016-07-06 | 2016-12-07 | 天津大学 | 极化sar图像人造目标提取方法 |
Non-Patent Citations (3)
Title |
---|
LINGYU GUO, ERCONG CAO, GUOHUA GU, XIAOBO HU,WEIXIAN QIAN, ET AL: ""Target recognition method based on polarization parameters"", 《OPTICAL MEASUREMENT TECHNOLOGY AND INSTRUMENTATION》 * |
杨蔚,顾国华,陈钱,周骁俊,徐富元: ""穆勒矩阵图像的获取及处理"", 《红外与激光工程》 * |
程敏熙, 何振江, 黄佐华: ""偏振光斯托克斯参量的测量和应用"", 《红外与激光工程》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110345864A (zh) * | 2018-04-01 | 2019-10-18 | 印芯科技股份有限公司 | 三维感测模块 |
CN110348432A (zh) * | 2018-04-01 | 2019-10-18 | 印芯科技股份有限公司 | 光学识别模块 |
CN109596530A (zh) * | 2018-11-13 | 2019-04-09 | 浙江大学 | 光学表面麻点和灰尘缺陷分类的暗场偏振成像装置和方法 |
CN111328370A (zh) * | 2019-04-23 | 2020-06-23 | 合刃科技(深圳)有限公司 | 一种表面缺陷检测系统及方法 |
CN111292279A (zh) * | 2020-01-17 | 2020-06-16 | 中国科学院上海技术物理研究所 | 一种基于彩色图像融合的偏振图像可视化方法 |
CN111292279B (zh) * | 2020-01-17 | 2022-07-29 | 中国科学院上海技术物理研究所 | 一种基于彩色图像融合的偏振图像可视化方法 |
CN113779781A (zh) * | 2021-02-08 | 2021-12-10 | 合肥工业大学 | 一种基于偏振纯度的识别伪装目标方法 |
CN113779781B (zh) * | 2021-02-08 | 2024-03-22 | 合肥工业大学 | 一种基于偏振纯度的识别伪装目标方法 |
CN114359136A (zh) * | 2021-11-24 | 2022-04-15 | 北京航天发射技术研究所 | 一种基于地面成像数据的隐身效果评估方法和系统 |
CN114359136B (zh) * | 2021-11-24 | 2023-10-31 | 北京航天发射技术研究所 | 一种基于地面成像数据的隐身效果评估方法和系统 |
CN114324185A (zh) * | 2022-01-04 | 2022-04-12 | 浙江大学 | 一种基于Stokes矢量的水下偏振探测装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106952282A (zh) | 一种基于偏振参数的伪装识别方法 | |
EP3371548B1 (en) | 3-d polarimetric imaging using a microfacet scattering model to compensate for structured scene reflections | |
CN105547477B (zh) | 一种偏振干涉成像光谱系统及其成像方法 | |
CN107589551B (zh) | 一种多孔径偏振成像装置及系统 | |
Mäkeläinen et al. | 2D hyperspectral frame imager camera data in photogrammetric mosaicking | |
CN109886883A (zh) | 实时偏振透雾成像图像增强处理方法 | |
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 | |
Gu et al. | UAV-based integrated multispectral-LiDAR imaging system and data processing | |
Bartlett et al. | Anomaly detection of man-made objects using spectropolarimetric imagery | |
CN107356333B (zh) | 一种红外光谱偏振成像系统及其参数优化配置方法 | |
Yan et al. | Polarization remote sensing physics | |
Zhang et al. | Modeling and simulation of polarimetric hyperspectral imaging process | |
Åkerlind et al. | Optical polarization: background and camouflage | |
Gleckler et al. | Three-dimensional imaging polarimetry | |
Hickman et al. | Polarimetric imaging: system architectures and trade-offs | |
Zhang et al. | On hyperspectral image simulation of a complex woodland area | |
Huang et al. | High-efficiency multispectral-polarization imaging system using polarization camera array with notch filters | |
Shen et al. | Near natural color polarization imagery fusion approach | |
Qin et al. | An analytical model for bidirectional reflectance factor of multicomponent vegetation canopies | |
Wong et al. | A novel snapshot polarimetric imager | |
CN117848503B (zh) | 高精度目标三维复原的多谱段偏振智能探测装置及方法 | |
Moutenet et al. | Ultraviolet vs. visible skylight polarization measurements | |
CN105136298B (zh) | 一种差分快照式成像方法 | |
Guo et al. | Target recognition method based on polarization parameters | |
Zhang et al. | Multi-polarization parameter target detection method based on modulation contrast |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20170714 |