CN112070698B - 基于多通道偏振距离模型的目标与背景对比度增强方法 - Google Patents

Abstract

本发明公开了一种基于多通道偏振距离模型的目标与背景对比度增强方法，其步骤包括：1、获取不同偏振角度下的偏振图像；2、选取偏振图像中的背景区域；3、分离出所有RGB图像中的G通道图像；4、计算模拟光感受器R的活性值；5、利用多通道偏振距离模型计算偏振距离图像。本发明能够很好地在低对比度场景中增强目标与背景对比度，从而提高目标的可见度和显著性。

Description

基于多通道偏振距离模型的目标与背景对比度增强方法

技术领域

本发明属于目标检测研究领域，具体的说是一种基于多通道偏振距离模型的目标与背景对比度增强方法。

背景技术

视觉系统往往依赖于形状、大小、颜色以及对比度等特征。对比度视觉，在诸如探测和识别猎物、辨识环境和栖息地以及视觉交流等生物行为中扮演重要的角色。而自然界中除了颜色视觉外，还有另一种人类所不具备的独特视觉——偏振视觉。与非偏振光相比，偏振光具有更多维度的特征信息。不同材质、纹理的目标，往往能通过偏振信息来捕捉差异并区分，某些生物能检测甚至是产生偏振光，并用于相关的视觉任务。因此，偏振对比度增强方法可应用于目标检测等领域。

目前的对比度视觉增强方法主要是基于传统偏振特征量，如偏振度和偏振方向角。然而基于这些特征图像的方法仅在背景较为单一、背景与目标的偏振特性差异较大等场景中效果尚好，同时容易受噪声影响，产生伪值。另一种偏振对比度增强方法是基于一种新的偏振特征——偏振距离。现有的偏振距离概念建立在基于正交对抗中间神经元的双通道偏振视觉处理框架上，然而，二通道系统的局限性在于它并不是总能区分两种不同的偏振态，存在着偏振混淆态，抗环境干扰性能差。

发明内容

本发明为克服现有技术存在的不足之处，提供一种基于多通道偏振距离模型的目标与背景对比度增强方法，以期能够在不同实际场景中有效地提高目标与背景之间的对比度，从而提高目标的可见度和显著性以实现目标检测。

本发明为解决技术问题采取如下技术方案：

本发明一种基于多通道偏振距离模型的目标与背景对比度增强方法的特点是按如下步骤进行：

步骤1：分别获取偏振角度为0°、45°、90°、135°下含目标的偏振图像I₀、I₄₅、I₉₀、I₁₃₅；

步骤2：分别选取偏振图像I₀、I₄₅、I₉₀、I₁₃₅中的背景区域IB₀、IB₄₅、IB₉₀、IB₁₃₅；

步骤3：分离出偏振图像I₀、I₄₅、I₉₀、I₁₃₅和背景区域IB₀、IB₄₅、IB₉₀、IB₁₃₅中的G通道图像；

步骤3.1：分别将偏振图像I₀、I₄₅、I₉₀、I₁₃₅中的RGB三通道分离，从而相应提取出含目标的偏振图像下的G通道图像i₀、i₄₅、i₉₀、i₁₃₅；

步骤3.2：将所述背景区域IB₀、IB₄₅、IB₉₀、IB₁₃₅中的RGB三通道分离，从而相应提取出背景区域下的G通道图像b₀、b₄₅、b₉₀、b₁₃₅；

步骤4：计算模拟光感受器R的活性值；

步骤4.1：利用式(1)计算出含目标的偏振图像下的G通道图像i₀、i₄₅、i₉₀、i₁₃₅的Stokes矢量S_obj＝(I_obj,Q_obj,U_obj)^T：

式(1)中，I_obj为含目标的偏振图像下的G通道图像中的光强分量，Q_obj表示针对含目标的偏振图像下的G通道图像在0°～90°方向上的线偏振光的分量之差，U_obj表示针对含目标的偏振图像下的G通道图像在±45°方向上的线偏振光的分量之差；

步骤4.2：再利用式(1)计算出背景区域下的G通道图像b₀、b₄₅、b₉₀、b₁₃₅的Stokes矢量S_bac；

步骤4.3：再利用式(2)计算出含目标的偏振图像下的偏振度图像D_obj和偏振方向角图像A_obj：

步骤4.4：利用式(2)计算出背景区域下的偏振度图像D_bac和偏振方向角图像A_bac；

步骤4.5：针对含目标的偏振图像下的G通道图像i₀、i₄₅、i₉₀、i₁₃₅，再利用式(3)得到对偏振光角度θ敏感的光感受器R_θ的偏振敏感性R_θ(A_obj,D_obj)：

式(3)中，S_p是光感受器R_θ的偏振敏感度，θ∈{0°,45°,90°,135°}；

步骤4.6：针对背景区域下的G通道图像b₀、b₄₅、b₉₀、b₁₃₅，利用式(3)得到对偏振光角度θ敏感的光感受器R_θ的偏振敏感性R_θ(A_bac,D_bac)；

步骤5：利用多通道偏振距离模型计算偏振距离图像：

步骤5.1：利用式(4)计算含目标的偏振图像中的偏振信息经第一级至第三级的中间神经元处理后的活性值P1_obj,P2_obj,P3_obj：

步骤5.2：再利用式(4)计算背景区域中的偏振信息经第一级至第三级的中间神经元处理后的活性值P1_bac,P2_bac,P3_bac：

步骤5.3：利用式(5)获得经过多通道偏振距离模型增强后的图像PD：

与已有技术相比，本发明的有益效果体现在：

1、本发明根据生物偏振视觉处理系统的研究，融入偏振距离特征，设定0°、45°、90°、135°四偏振角度输入通道，并设计了仿神经网络的连接处理方式，本发明所设计的模型不仅能在目标可见度低、目标与背景颜色相近等场景中显著增强目标与背景间的对比度，使得目标与背景分离效果显著，同时因构造简单，其计算复杂度低，图像处理速度快，适用于实时目标检测等应用。

2、目前学术界对基于偏振信息的目标检测研究多数仅限于传统偏振特征，对于低对比度场景效果一般，本发明基于偏振距离这一特征展开设计，在偏振对比度方面有着更加显著的表征效果，此外，较偏振度等易受环境干扰的特征量而言，偏振距离特征不易受噪声影响，不易误判目标区域与背景区域，准确性高。

3、本发明从偏振信息获取和处理的机理出发，充分分析了现有的双通道系统存在的偏振混淆态问题，结合生物偏振视觉处理系统的特点进行改善，将模型的输入设计为四通道输入，以更加有效地获取偏振信息，同时，为减少信息冗余、减弱对偏振的抑制作用，采取了级联式的处理次序，构成仿神经网络，使偏振距离这一特征量在对比度方面的表征效果显著增强，并能适用于多种实际目标检测场景。

附图说明

图1为本发明的方法流程图；

图2为本发明需要进行目标与背景对比度增强的源图像；

图3为现有技术中基于偏振度的对比度增强图像；

图4为现有技术中基于双通道的对比度增强图像；

图5为本发明使用基于多通道偏振距离模型的目标与背景对比度增强方法后的图像。

具体实施方式

本实施例中，如图1所示，一种基于多通道偏振距离模型的目标与背景对比度增强方法主要用于目标隐蔽性高、环境干扰性强等场景中的目标检测等任务，该方法的特点是结合生物偏振视觉系统研究，基于偏振距离这一新型偏振表征量，提出一种四通道偏振距离仿生模型，用于增强目标与背景间的对比度。具体的说，其过程如下：

步骤1：分别获取偏振角度为0°、45°、90°、135°下含目标的偏振图像I₀、I₄₅、I₉₀、I₁₃₅；

偏振敏感型生物中，有少数生物的复眼结构中存在两组正交定向的横纹肌微绒毛排列方式，其中一组相对于另一组呈现45°偏转，由此可推断该类生物的偏振信息采集系统存在0°、45°、90°、135°四输入通道的可能，据此，采集该角度集合的偏振图像。

步骤2：分别选取偏振图像I₀、I₄₅、I₉₀、I₁₃₅中的背景区域IB₀、IB₄₅、IB₉₀、IB₁₃₅；

步骤3：分离出偏振图像I₀、I₄₅、I₉₀、I₁₃₅和背景区域IB₀、IB₄₅、IB₉₀、IB₁₃₅中的G通道图像；在偏振敏感型光感受器中，该通道所代表的的谱段最接近其光谱敏感性。

步骤3.1：分别将偏振图像I₀、I₄₅、I₉₀、I₁₃₅中的RGB三通道分离，从而相应提取出含目标的偏振图像下的G通道图像i₀、i₄₅、i₉₀、i₁₃₅；

步骤3.2：将背景区域IB₀、IB₄₅、IB₉₀、IB₁₃₅中的RGB三通道分离，从而相应提取出背景区域下的G通道图像b₀、b₄₅、b₉₀、b₁₃₅；

步骤4：计算模拟光感受器R的活性值；

光感受器中的视觉色素分子具有固定的双色性，这种双色性使得这些光感受器能区别并选择性吸收光线，即具有偏振敏感性，该偏振敏感性可用与偏振度和偏振方向角相关的余弦关系来表征。

步骤4.1：利用式(1)计算出含目标的偏振图像下的G通道图像i₀、i₄₅、i₉₀、i₁₃₅的Stokes矢量S_obj＝(I_obj,Q_obj,U_obj)^T：

式(1)中，I_obj为含目标的偏振图像下的G通道图像中的光强分量，Q_obj表示针对含目标的偏振图像下的G通道图像在0°～90°方向上的线偏振光的分量之差，U_obj表示针对含目标的偏振图像下的G通道图像在±45°方向上的线偏振光的分量之差；

步骤4.2：再利用式(1)计算出背景区域下的G通道图像b₀、b₄₅、b₉₀、b₁₃₅的Stokes矢量S_bac；

步骤4.3：利用式(2)计算出含目标的偏振图像下的偏振度图像D_obj和偏振方向角图像A_obj：

图3为本实施例中的针对图2场景的偏振度图像，分析可知，当材质相同、其他特征不同的目标群同时在待检测场景中时，偏振度图像并不总是能进行区分，即其在对比度表现方面受限于应用场景。

步骤4.4：再利用式(2)计算出背景区域下的偏振度图像D_bac和偏振方向角图像A_bac；

步骤4.5：针对含目标的偏振图像下的G通道图像i₀、i₄₅、i₉₀、i₁₃₅，利用式(3)得到对偏振光角度θ敏感的光感受器R_θ的偏振敏感性R_θ(A_obj,D_obj)：

式(3)中，S_p是光感受器R_θ的偏振敏感度，θ∈{0°,45°,90°,135°}；

步骤4.6：针对背景区域下的G通道图像b₀、b₄₅、b₉₀、b₁₃₅，再利用式(3)得到对偏振光角度θ敏感的光感受器R_θ的偏振敏感性R_θ(A_bac,D_bac)；

步骤5：利用多通道偏振距离模型计算偏振距离图像：

模拟光感受器收到偏振信号后，将通过神经轴突传递到下一级中间神经元处理，其活性值以对数的形式进行传递，如何设计不同光感受器的输入次序以及和中间神经元的连接次序是非常关键的一环，生物复眼中有着双向正交微绒毛的单细胞，其表现出抑制偏振光灵敏度的行为，因此本多通道偏振距离模型中采取了级联式的处理次序。

步骤5.1：利用式(4)计算含目标的偏振图像中的偏振信息经第一级至第三级的中间神经元处理后的活性值P1_obj,P2_obj,P3_obj：

步骤5.2：再利用式(4)计算背景区域中的偏振信息经第一级至第三级的中间神经元处理后的活性值P1_bac,P2_bac,P3_bac：

步骤5.3：利用式(5)获得经过多通道偏振距离模型增强后的图像PD：

图4和图5分别是基于双通道的偏振距离结果、基于多通道偏振距离模型的目标与背景对比度增强方法结果，图5中的棋盘格辨识分明，对比度显著增强，并且较图3和图4而言，局部噪点和误判点较少，即不易受噪声、环境光等环境因素干扰，目标与背景分离准确性更高。

Claims (1)

1.一种基于多通道偏振距离模型的目标与背景对比度增强方法，其特征是按如下步骤进行：

步骤1：分别获取偏振角度为0°、45°、90°、135°下含目标的偏振图像I₀、I₄₅、I₉₀、I₁₃₅；

步骤2：分别选取偏振图像I₀、I₄₅、I₉₀、I₁₃₅中的背景区域IB₀、IB₄₅、IB₉₀、IB₁₃₅；

步骤3：分离出偏振图像I₀、I₄₅、I₉₀、I₁₃₅和背景区域IB₀、IB₄₅、IB₉₀、IB₁₃₅中的G通道图像；

步骤3.1：分别将偏振图像I₀、I₄₅、I₉₀、I₁₃₅中的RGB三通道分离，从而相应提取出含目标的偏振图像下的G通道图像i₀、i₄₅、i₉₀、i₁₃₅；

步骤3.2：将所述背景区域IB₀、IB₄₅、IB₉₀、IB₁₃₅中的RGB三通道分离，从而相应提取出背景区域下的G通道图像b₀、b₄₅、b₉₀、b₁₃₅；

步骤4：计算模拟光感受器R的活性值；

步骤4.1：利用式(1)计算出含目标的偏振图像下的G通道图像i₀、i₄₅、i₉₀、i₁₃₅的Stokes矢量S_obj＝(I_obj,Q_obj,U_obj)^T：

式(1)中，I_obj为含目标的偏振图像下的G通道图像中的光强分量，Q_obj表示针对含目标的偏振图像下的G通道图像在0°和90°方向上的线偏振光的分量之差，U_obj表示针对含目标的偏振图像下的G通道图像在±45°方向上的线偏振光的分量之差；

步骤4.2：再利用式(1)计算出背景区域下的G通道图像b₀、b₄₅、b₉₀、b₁₃₅的Stokes矢量S_bac；

步骤4.3：再利用式(2)计算出含目标的偏振图像下的偏振度图像D_obj和偏振方向角图像A_obj：

步骤4.4：利用式(2)计算出背景区域下的偏振度图像D_bac和偏振方向角图像A_bac；

步骤4.5：针对含目标的偏振图像下的G通道图像i₀、i₄₅、i₉₀、i₁₃₅，再利用式(3)得到对偏振光角度θ敏感的光感受器R_θ的偏振敏感性R_θ(A_obj,D_obj)：

式(3)中，S_p是光感受器R_θ的偏振敏感度，θ∈{0°,45°,90°,135°}；

步骤4.6：针对背景区域下的G通道图像b₀、b₄₅、b₉₀、b₁₃₅，利用式(3)得到对偏振光角度θ敏感的光感受器R_θ的偏振敏感性R_θ(A_bac,D_bac)；

步骤5：利用多通道偏振距离模型计算偏振距离图像：

步骤5.1：利用式(4)计算含目标的偏振图像中的偏振信息经第一级至第三级的中间神经元处理后的活性值P1_obj,P2_obj,P3_obj：

步骤5.2：再利用式(4)计算背景区域中的偏振信息经第一级至第三级的中间神经元处理后的活性值P1_bac,P2_bac,P3_bac：

步骤5.3：利用式(5)获得经过多通道偏振距离模型增强后的图像PD：

Images