CN107909547B - 一种基于Stokes偏振图像相关性的偏振图像去噪方法 - Google Patents
一种基于Stokes偏振图像相关性的偏振图像去噪方法 Download PDFInfo
- Publication number
- CN107909547B CN107909547B CN201710938746.0A CN201710938746A CN107909547B CN 107909547 B CN107909547 B CN 107909547B CN 201710938746 A CN201710938746 A CN 201710938746A CN 107909547 B CN107909547 B CN 107909547B
- Authority
- CN
- China
- Prior art keywords
- image
- measurement
- vector
- polarization
- images
- 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.)
- Active
Links
- 230000010287 polarization Effects 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000003384 imaging method Methods 0.000 claims abstract description 32
- 238000005259 measurement Methods 0.000 claims abstract description 32
- 238000007476 Maximum Likelihood Methods 0.000 claims abstract description 4
- 239000011159 matrix material Substances 0.000 claims description 11
- 239000000126 substance Substances 0.000 claims description 2
- 238000000053 physical method Methods 0.000 abstract description 2
- 230000002194 synthesizing effect Effects 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 5
- 238000001914 filtration Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 239000000654 additive Substances 0.000 description 2
- 230000000996 additive effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000012634 optical imaging Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G06T5/70—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/55—Depth or shape recovery from multiple images
Abstract
本发明公开了一种基于Stokes偏振图像相关性的偏振图像去噪方法，该方法包括以下步骤：步骤1、获得至少5幅测量的图像；步骤2、通过前四幅图像合成第五幅图像
步骤3、利用极大似然法，计算得到更接近真实值的第五幅图像
当噪声为高斯分布时，计算得到第五幅图像中任意一个像素点的灰度值为
对于噪声分布接近于高斯分布的情形，利用上述结果进行去噪。本发明不受图像本身细节、色彩等因素的影响，适用范围更广；通过偏振成像的多次测量的物理方法，切实提取到更多图像信息实现去噪。
Description
技术领域
本发明涉及光学偏振成像领域，特别涉及一种偏振成像的去噪方法。
背景技术
光学成像探测技术在国防、工业、环境、生物医学等关系国计民生的重大领域都占有非常重要的地位。偏振成像技术可以在传统光学成像的基础上，提供更多的目标信息，优化探测效果和识别能力，扩展应用范围，它是最近三十年来国内外发展迅速的一项新型成像技术。
但是在低照度条件下，其成像质量严重下降，如何降低噪声、提高图像质量成为研究重点之一。
目前的去噪方法一般是基于图像算法的去噪，如传统的均值法、中值滤波法、空间域维纳滤波法、频域的低通滤波法和维纳滤波法，以及基于小波域的阈值法和维纳滤波法等，但这些算法对于偏振成像的图像的去噪并没有针对性，尤其没有完全利用偏振测量及偏振成像环节中所获得的多幅偏振图像的相关性信息。
发明内容
为了克服现有技术的不足，本发明提出了一种基于Stokes偏振图像相关性的偏振图像去噪方法，利用偏振成像技术提取多维Stokes矢量中的图像信息，降低图像噪声，从而提高图像质量。
本发明的一种基于Stokes偏振图像相关性的偏振图像去噪方法，该方法包括以下步骤：
步骤1、获得至少5幅用于测量的图像；根据偏振成像理论可知，成像系统采集到的前四幅图像表示为：
其中，I为四次测量的光强组成的向量，其元素I1、I2、I3、I4分别表示每次测量得到的光强图像，S＝(S0,S1,S2,S3)T为目标反射光的stokes矢量，
为偏振分析器的测量矩阵，其中第i行向量
表示第i次测量时PSA的测量向量，测量向量满足Ii＝Ti·S；
调整PSA状态，进行第五次图像采集，得到图像为：
步骤2、利用前四幅图像，可以得到入射光场的完整stokes矢量，根据偏振图像之间的关系，计算得到第五幅图像：
H5＝T5·W-1
其中，
表示利用前四次采集得到的图像和第五次采集图像时的PSA状态计算得到的第五次测量图像，T5为第五次测量时PSA的测量向量，W-1为测量矩阵W的逆矩阵，I为前四次采集到图像组成的向量；I5和
的期望值均为第五幅图像的真实值
I5的方差为系统噪声方差σ2，
的方差为σcal2＝|H5|2σ2，其中|H5|表示向量H5的模；
步骤3、利用极大似然法，计算得到更接近真实值的第五幅图像，即本方法得到的优化图像
当噪声为高斯分布时，计算得到第五幅图像中任意一个像素点的灰度值为
优化后图像所有像素点的方差减小，优化图像的方差为
对于噪声分布接近于高斯分布的情形，利用上述结果进行去噪。
相比传统技术的图像去噪算法，本发明的优点和积极效果包括：
1、采用对图像的任何一个点像素都适用的像素级去噪算法实现去噪，不受图像本身细节、色彩等因素的影响，适用范围更广；
2、通过偏振成像的多次测量的物理方法，切实提取到更多图像信息实现去噪。
附图说明
图1为本发明的一种基于Stokes偏振图像相关性的偏振图像去噪方法整体流程示意图；
图2为本发明基于的一种偏振成像装置结构实施例一示意图；
图3为本发明基于的一种偏振成像装置结构实施例二示意图。
附图标记：1、成像目标；、2、四分之一波片；3、偏振片；4、成像系统；5、6、第一、第二相位延迟器。
具体实施方式
下面将结合附图对本发明的实施方式作进一步的详细描述。
不同于传统的图像去噪算法，本发明通过多次偏振测量，获取更多真实图像信息，使得每一个像素点的噪声方差减少，是一种物理降噪方法。完备的Stokes矢量为四维矢量，实际应用中，在圆偏振光很少的环境下也可以采用三维Stokes矢量描述。如图1所示，为本方法的一种基于Stokes偏振图像相关性实现偏振图像去噪的方法整体流程示意图，该方法的具体步骤如下：
步骤1、利用成像系统，调整不同的偏振态分析器PSA状态，获得至少5幅用于测量的图像；根据偏振成像理论可知，成像系统采集到的前四幅图像表示为：
其中，I为四次测量的光强组成的向量，其元素I1、I2、I3、I4分别表示每次测量得到的光强图像，S＝(S0,S1,S2,S3)T为目标反射光的stokes矢量，
为偏振分析器的测量矩阵，它是进入PSA前的stokes矢量S和经过PSA后测得的光强向量I之间的变换矩阵，其中第i行向量
表示第i次测量时PSA的测量向量，测量向量满足Ii＝Ti·S。一般来讲，Ti是已知的，根据PSA的状态可以计算得到Ti。
第五幅图像表示为
步骤2、五幅测量图像表征维度为四维的Stokes光图像，因此这五幅图像为过完备组，其中任意一幅图像可表征为其它四幅图像的线性组合。通过前四幅图像计算合成的第五幅图像：
H5＝T5·W-1
其中，I5和
的期望值均为不带噪声的第五幅图像真实值(噪声是均值为零的加性噪声)，方差分别为系统噪声σ2和σcal2＝|H5|2σ2；
步骤3、利用极大似然法得到
计算得到更接近真实值的第五幅图像；当噪声为高斯分布时，计算得到图像5中任意一个像素点的灰度值为
优化后图像所有像素点的方差减小，表示为
对于噪声分布接近于高斯分布的情形，均可利用上述结果进行去噪。
实施实例1：如图2所示，为本发明的一种利用偏振成像技术实现图像去噪的装置结构示意图。整个装置包括成像目标1、四分之一波片2、偏振片3和成像系统4；其中成像目标1的各区域偏振特性不同，标准的四分之一波片2和偏振片3构成PSA，后接成像系统。通过旋转四分之一波片1和偏振片3角度，得到不同的五幅图像，图像噪声是均值为0的加性噪声，呈高斯分布，方差为σ2。这时通过四幅图像计算得到的第五幅图像为
其噪声方差为σcal2＝|H5|2σ2。优化后图像为
噪声方差为
实施实例2：如图3示，为本发明的一种利用偏振成像技术实现图像去噪的装置结构示意图。整个装置包括成像目标1、偏振片3、成像系统4和相位延迟器5、6；其中成像目标1的各区域偏振特性不同，目标反射光经过由第一、第二相位延迟器5、6和偏振片3组成的PSA后，进入成像系统。基于该装置，利用本发明的方法实现了偏振成像去噪，优化后图像的噪声方差可以达到初始噪声方差的一半。研究发现选取适当的测量矩阵
可以使得该去噪效果与初始入射光的偏振态无关。由此，该方法的去噪效果与入射光偏振态无关，与图像细节无关，应用前景广泛。
Claims (1)
1.一种基于Stokes偏振图像相关性的偏振图像去噪方法，其特征在于，该方法包括以下步骤：
步骤(1)、获得至少5幅用于测量的图像；根据偏振成像理论可知，成像系统采集到的前四幅图像表示为：
其中，I为四次测量的光强组成的向量，其元素I1、I2、I3、I4分别表示每次测量得到的光强图像，S＝(S0,S1,S2,S3)T为目标反射光的stokes矢量，
为偏振分析器的测量矩阵，其中第i行向量
表示第i次测量时PSA的测量向量，测量向量满足Ii＝Ti·S；
调整PSA状态，进行第五次图像采集，得到图像为：
步骤(2)、利用前四幅图像，可以得到入射光场的完整stokes矢量，根据偏振图像之间的关系，计算得到第五幅图像：
Hs＝T5·W-1
其中，
表示利用前四次采集得到的图像和第五次采集图像时的PSA状态计算得到的第五次测量图像，T5为第五次测量时PSA的测量向量，W-1为测量矩阵W的逆矩阵，I为前四次采集到图像组成的向量；I5和
的期望值均为第五幅图像的真实值
I5的方差为系统噪声方差σ2，
的方差为σcal2＝|H5|2σ2，其中|H5|表示向量H5的模；
步骤(3)、利用极大似然法，计算得到更接近真实值的第五幅图像，即本方法得到的优化图像
当噪声为高斯分布时，计算得到第五幅图像中任意一个像素点的灰度值为
优化后图像所有像素点的方差减小，优化图像的方差为
对于噪声分布近似高斯分布的情形，利用上述结果即计算得到的第五幅图像中任意一个像素点的灰度值
优化图像的方差
进行去噪。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710938746.0A CN107909547B (zh) | 2017-09-30 | 2017-09-30 | 一种基于Stokes偏振图像相关性的偏振图像去噪方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710938746.0A CN107909547B (zh) | 2017-09-30 | 2017-09-30 | 一种基于Stokes偏振图像相关性的偏振图像去噪方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107909547A CN107909547A (zh) | 2018-04-13 |
| CN107909547B true CN107909547B (zh) | 2020-11-20 |
Family
ID=61840378
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710938746.0A Active CN107909547B (zh) | 2017-09-30 | 2017-09-30 | 一种基于Stokes偏振图像相关性的偏振图像去噪方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107909547B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104931140B (zh) * | 2015-06-09 | 2017-01-18 | 西安交通大学 | 四次测量型全Stokes参数偏振仪的参数优化方法 |
| 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 |
| US9741163B2 (en) * | 2015-12-22 | 2017-08-22 | Raytheon Company | 3-D polarimetric imaging using a microfacet scattering model to compensate for structured scene reflections |
| CN106504222B (zh) * | 2016-11-21 | 2019-09-06 | 河海大学常州校区 | 一种基于仿生视觉机理的水下偏振图像融合系统 |
-
2017
- 2017-09-30 CN CN201710938746.0A patent/CN107909547B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN107909547A (zh) | 2018-04-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhang et al. | Joint image denoising using adaptive principal component analysis and self-similarity | |
| CN104933678B (zh) | 一种基于像素强度的图像超分辨率重建方法 | |
| Lu et al. | Sparse representation based infrared small target detection via an online-learned double sparse background dictionary | |
| Yu et al. | Denoising for multiple image copies through joint sparse representation | |
| Dong et al. | SAR image reconstruction from undersampled raw data using maximum a posteriori estimation | |
| Xin et al. | Specular reflection image enhancement based on a dark channel prior | |
| Fan et al. | Image defogging algorithm based on sparse representation | |
| CN107909547B (zh) | 一种基于Stokes偏振图像相关性的偏振图像去噪方法 | |
| Hua et al. | Colour balance and contrast stretching for sand‐dust image enhancement | |
| Liu et al. | Moving dim and small target detection in multiframe infrared sequence with low SCR based on temporal profile similarity | |
| Zhen et al. | A New Algorithm of Rain (Snow) Removal in Video. | |
| Akbarzadeh et al. | An efficient single image super resolution algorithm based on wavelet transforms | |
| Wu et al. | Research on crack detection algorithm of asphalt pavement | |
| Sugamya et al. | Image enhancement using singular value decomposition | |
| CN107833195B (zh) | 在轨海洋暗弱目标光学图像增强方法 | |
| Xiao et al. | The research of polarization image fusion method based on modulation in multi-scale space | |
| Ji et al. | Edge detection of ghost imaging based on frequency domain filtering | |
| Yu et al. | A hyperspectral image fusion algorithm based on compressive sensing | |
| Peng et al. | Single Pixel Compressive Camera for Fast Video Acquisition using Spatial Cluster Regularization. | |
| Li et al. | Image fusion based on curvelet transform and principal component analysis | |
| Dong et al. | Depth map up-sampling with texture edge feature via sparse representation | |
| Qin et al. | Blind image restoration with horizontal motion blur based on point spread function estimation in frequency domain | |
| Guo et al. | Fully connected imaging network for near-field synthetic aperture interferometric radiometer | |
| Li et al. | Background Suppression Method of Star Image Based on Improved CBDNet | |
| Sawant et al. | Resolution enhancement and quality assessment of MRI images using different interpolation techniques |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |