CN115265786A - 一种自动调节曝光值的强光偏振探测装置及其探测方法 - Google Patents

一种自动调节曝光值的强光偏振探测装置及其探测方法 Download PDF

Info

Publication number
CN115265786A
CN115265786A CN202211204799.7A CN202211204799A CN115265786A CN 115265786 A CN115265786 A CN 115265786A CN 202211204799 A CN202211204799 A CN 202211204799A CN 115265786 A CN115265786 A CN 115265786A
Authority
CN
China
Prior art keywords
unit
image
gradient
value
polarization
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.)
Granted
Application number
CN202211204799.7A
Other languages
English (en)
Other versions
CN115265786B (zh
Inventor
付强
刘轩玮
顾宪松
史浩东
张肃
战俊彤
李英超
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.)
Changchun University of Science and Technology
Original Assignee
Changchun University of Science and Technology
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 Changchun University of Science and Technology filed Critical Changchun University of Science and Technology
Priority to CN202211204799.7A priority Critical patent/CN115265786B/zh
Publication of CN115265786A publication Critical patent/CN115265786A/zh
Application granted granted Critical
Publication of CN115265786B publication Critical patent/CN115265786B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/28—Investigating the spectrum
    • G01J3/447—Polarisation spectrometry
    • 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
    • G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/28—Investigating the spectrum
    • G01J3/2823—Imaging spectrometer
    • 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
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V8/00—Prospecting or detecting by optical means
    • G01V8/10—Detecting, e.g. by using light barriers
    • G—PHYSICS
    • G02—OPTICS
    • G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
    • G02B27/00—Optical systems or apparatus not provided for by any of the groups G02B1/00 - G02B26/00, G02B30/00
    • G02B27/28—Optical systems or apparatus not provided for by any of the groups G02B1/00 - G02B26/00, G02B30/00 for polarising
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods

Landscapes

  • Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geophysics (AREA)
  • Health & Medical Sciences (AREA)
  • Optics & Photonics (AREA)
  • Studio Devices (AREA)

Abstract

本发明属于光学探测领域，公开了一种自动调节曝光值的强光偏振探测装置及其探测方法。成像系统（1），用于采集图像；图像处理系统（2），用于处理采集后的图像；总梯度预测系统（3），用于计算并预测出图像的梯度总量；第二曝光参数生成系统（4），用于生成第二曝光值与阈值进行比较，以确定是否将第二曝光值传递给成像系统来调节相机的增益或光圈大小或快门速度。本发明利用红、绿、蓝、红外及紫外滤光片对目标进行多通道，全谱段的探测来解决探测波段单一的问题。

Description

一种自动调节曝光值的强光偏振探测装置及其探测方法
技术领域
本发明属于光学探测领域，具体涉及一种自动调节曝光值的强光偏振探测装置及其探测方法。
背景技术
偏振成像技术是一种新型成像探测技术，其利用偏振成像可明显提升对伪装、暗弱目标的探测识别能力。因此在进行空间目标光学探测时对目标进行偏振成像，并分析目标的偏振特性，对偏振图像进行优化，可以显著提升成像质量，使探测结果更加精准。
研究强光背景下暗弱目标探测技术，对进一步促进我国发展空间航天器自主交会对接、空间目标对抗等航天技术具有重要应用价值。由于人造空间目标尤其是中高轨目标距离远，成像像素少、亮度低，星空背景噪声以及各类其他噪声对成像有很大的影响，为光学成像设备的探测与识别带来极大困难。暗弱目标偏振成像技术通过获取目标偏振度图像与偏振角图像得到目标的本征属性信息，可以显著提升探测精度和效率，对于空间暗弱目标探测具有重要意义和巨大的应用价值。因此通过对强背景下空间目标进行偏振探测，了解其偏振特性，可以有效增强对空间目标的探测与识别能力，更好的对空间目标进行捕获、跟踪，来清理太空垃圾，维护航天器性能，避免损失，保护财产安全。
针对全球对强光背景下空间目标探测的迫切需求，世界各地都进行着暗弱目标偏振探测的相关工作。2005年日本国立天文台研究开发了一种铁电液晶偏振仪来观察太阳耀斑碰撞。2020美国科罗拉多大学大气与空间物理实验室年开发了RIT偏振成像相机来研究低信噪比下的带有微偏振器的传感器设备并对日冕进行了测量。中国科学院安徽光学精密机械研究所采用光谱偏振成像技术，并结合天空背景偏振态实时测方法解决白天天体观测能力受限问题。中国科学院光电研究所提出一种白天恒星探测的新尝试——偏振法。
目前的强光下暗弱目标偏振探测技术存在一些问题：大多使用单个偏振片对目标进行探测，导致测量精度较低，且不能得到全方位，多角度的偏振图像；探测波段较为单一，缺少在多谱段乃至紫外波段的暗弱目标探测；缺少自动调节成像设备曝光参数来最大限度的提高图像对比度的技术，导致难以得到最清晰的图像。因此，需要一种更加有效的探测装置及技术。
发明内容
本发明提供一种自动调节曝光值的强光偏振探测装置，利用红、绿、蓝、近红外及紫外滤光片对目标进行多通道，全谱段的探测来解决探测波段单一的问题。
本发明提供一种自动调节曝光值的强光偏振探测方法,基于深度学习的神经网络来筛选每条通道的最大梯度并计算出梯度总量；生成第二曝光值并自动调节成像设备曝光参数来最大限度的提高图像对比度。
本发明通过以下技术方案实现：
一种自动调节曝光值的强光偏振探测装置，所述强光偏振探测装置包括成像系统1、图像处理系统2、总梯度预测系统3和第二曝光参数生成系统4；所述成像系统1分别与图像处理系统2和第二曝光参数生成系统4相连接，所述图像处理系统2分别与成像系统1总梯度预测系统3和第二曝光参数生成系统4相连接，所述总梯度预测系统3分别与图像处理系统2和第二曝光参数生成系统4相连接；
所述成像系统1，用于采集图像；
所述图像处理系统2，用于处理采集后的图像；
所述总梯度预测系统3，用于计算并预测出图像的梯度总量；
所述第二曝光参数生成系统4，用于生成第二曝光值与第一阈值进行比较，以确定是否将第二曝光值传递给成像系统来调节相机的增益或光圈大小或快门速度。
一种自动调节曝光值的强光偏振探测装置，所述成像系统1包括镜头单元11、偏振片单元12和滤光片单元13，所述镜头单元11的朝向包含被测目标，所述偏振片单元12位于镜头单元11和滤光片单元13之间，所述滤光片单元13位于偏振片单元12的后方。
一种自动调节曝光值的强光偏振探测装置，所述图像处理系统包括电荷耦合图像传感器单元21，图像融合单元22，编码器单元23，卷积解码器单元24和第一计算机单元25；所述电荷耦合图像传感器单元21与图像融合单元22相连接，所述图像融合单元22与编码器单元23相连接，所述编码器单元23与卷积解码器单元24相连接，所述卷积解码器单元24与第一计算机单元25相连接；
所述电荷耦合图像传感器单元21，图像融合单元22，编码器单元23，卷积解码器单元24和第一计算机单元25均与总梯度预测系统3相连接。
一种自动调节曝光值的强光偏振探测装置，所述总梯度预测系统包括数字可编程门阵列单元31，数字信号处理单元32和运算逻辑单元33，所述运算逻辑单元33分别与第一计算机单元25、数字信号处理单元32、数字可编程门阵列单元31和第二曝光参数生成系统4相连接，所述电荷耦合图像传感器单元21、图像融合单元22、编码器单元23、卷积解码器单元24和第一计算机单元25均与数字信号处理单元32相连接。
一种自动调节曝光值的强光偏振探测装置，所述第二曝光参数生成系统4包括第二计算机单元41和多区测光传感器单元42；所述第二计算机单元41分别与电荷耦合图像传感器单元21、图像融合单元22、编码器单元23、卷积解码器单元24、第一计算机单元25、运算逻辑单元33和成像系统1相连接；
所述多区测光传感器单元42分别与第二计算机单元41和成像系统1相连接。
一种自动调节曝光值的强光偏振探测装置的探测方法，所述探测方法具体包括以下步骤：
步骤1：滤光片单元和偏振片单元与电荷耦合图像传感器单元像素网络以对齐的方式镶嵌；用红色滤光片620nm～750nm、绿色滤光片495nm～570nm、蓝色滤光片476nm～495nm、近红外滤光片780nm～1100nm和紫外滤光片280nm～400nm为目标进行多谱段偏振探测；将偏振片分别置于０°、４５°、９０°、１３５°；令5组滤光片同时获取4种不同方向的偏振光，4个不同偏振方向的偏振片可以获取4个方向的偏振信息，5个不同滤光片可进行5个波段的信号提取，每组对齐镶嵌的一个滤光片和一个偏振片构成一条通道，共计20条通道；
步骤2：每条通道的图像信息由一个偏振相机获取，每个偏振相机光轴平行，放置相邻；将来自目标的光引导到图像处理系统的电荷耦合图像传感器单元上；
步骤3：成像系统将每个通道拍摄的目标图像传递给电荷耦合图像传感器单元，电荷耦合图像传感器单元捕获像素网络上每个像素的原始帧；
步骤4：电荷耦合图像传感器单元将所捕获的像素原始帧传输给图像融合单元，图像融合单元通过卷积神经网络来提取各个像素中的偏振信息，并将图像以不同波段，不同偏振方向为特征进行融合；
步骤5：融合后的图像以串联的方式导入编码器单元，编码器单元将有相同特征分布的图像信号转换为数字信号，并按照一串脉冲序列的形式传递给卷积解码器单元；
步骤6：卷积解码器单元通过卷积神经网络提取来自编码器单元的数字脉冲信号，经模拟融合后将数据流还原成图像信号传递给第一计算机单元；
步骤7：第一计算机单元通过卷积解码器提取到的每个像素不同偏振方向的偏振信息计算每个像素对应于不同波段的线偏振度，线偏振角，并将计算后的结果以数字信号的矩阵形式传递给总梯度预测系统来进行多模态图像的梯度预测；
步骤8：总梯度预测系统为每个像素通道选择一个最大梯度值，根据所选择的最大梯度值生成梯度映射，从每个通道计算的线偏振度和线偏振角的梯度值中选择最大梯度；
步骤9：计算图像的梯度总量的预测值Gradmag，为每个像素的局部最大梯度
Figure 372990DEST_PATH_IMAGE001
的和；
步骤10：将获取的图像梯度总量的预测值输入第二计算机单元，第二计算机单元根据梯度总量的预测值Gradmag和当前曝光参数
Figure 129593DEST_PATH_IMAGE002
计算新的曝光值
Figure 577892DEST_PATH_IMAGE003
；
步骤11：第二计算机系统根据场景和图像信息生成第一阈值σ，并判断（
Figure 691385DEST_PATH_IMAGE003
-
Figure 148911DEST_PATH_IMAGE002
）与第一阈值σ的大小，若（
Figure 760021DEST_PATH_IMAGE003
-
Figure 910379DEST_PATH_IMAGE002
）＞σ，则将新生成的曝光值作为新指令传递给成像系统，调节相机的增益或光圈大小或快门速度来提升图像对比度；若（
Figure 239729DEST_PATH_IMAGE003
-
Figure 500947DEST_PATH_IMAGE002
）＜σ，则丢弃新生成的曝光值，并认定当前拍摄的图像已是最高对比度图像。
一种自动调节曝光值的强光偏振探测装置的探测方法，所述步骤7线偏振度计算公式为：
Figure 966563DEST_PATH_IMAGE004
=
Figure 553402DEST_PATH_IMAGE005
(1)
线偏振角计算公式为：
Figure 370048DEST_PATH_IMAGE006
=
Figure 169377DEST_PATH_IMAGE007
(2)
其中
Figure 896025DEST_PATH_IMAGE004
为偏振度，
Figure 653765DEST_PATH_IMAGE006
为线偏振角，
Figure 285604DEST_PATH_IMAGE008
和
Figure 29569DEST_PATH_IMAGE009
为线偏振分量，
Figure 594411DEST_PATH_IMAGE010
为总光强。
一种自动调节曝光值的强光偏振探测装置的探测方法，所述步骤8计算的梯度值具体为，
Figure 132840DEST_PATH_IMAGE001
=
Figure 924078DEST_PATH_IMAGE011
(3)
其中，
Figure 59350DEST_PATH_IMAGE001
是像素
Figure 619645DEST_PATH_IMAGE012
的局部梯度值；
Figure 188029DEST_PATH_IMAGE013
()是以图像为输入的梯度函数；
f()是调整原始梯度值的函数；
Figure 325618DEST_PATH_IMAGE006
为线偏振角，
Figure 411386DEST_PATH_IMAGE004
为线偏振度，
Figure 685241DEST_PATH_IMAGE014
为所选取像素pi,j处的线偏振角，
Figure 690107DEST_PATH_IMAGE015
为所选取像素pi,j处的线偏振度
Figure 190358DEST_PATH_IMAGE016
为每条通道计算的Aolp和Dolp的梯度中选择的最大梯度。
一种自动调节曝光值的强光偏振探测装置的探测方法，所述步骤9计算图像的梯度总量的预测值Gradmag，为每个像素的局部最大梯度
Figure 814237DEST_PATH_IMAGE001
的和具体为：
Figure 614703DEST_PATH_IMAGE017
（4）
N=
Figure 524890DEST_PATH_IMAGE018
（5）
其中，N为标准因子，允许Gradmag在（0，1）之间变化；α，δ为调制梯度信息的控制参数，α的取值与梯度信息成反比；δ是预设的第二阈值，用于滤除认定是噪声的梯度值；α，δ是数字信号处理单元根据图像处理系统中的图像信息基于神经网络实时获取的。
一种自动调节曝光值的强光偏振探测装置的探测方法，所述步骤10将获取的图像梯度总量的预测值输入第二计算机单元，第二计算机单元根据该预测值Gradmag和当前曝光参数
Figure 512438DEST_PATH_IMAGE002
计算新的曝光值
Figure 799063DEST_PATH_IMAGE003
具体为：
Figure 188456DEST_PATH_IMAGE003
=1+K（1-Gradmag）
Figure 800703DEST_PATH_IMAGE002
（6）
其中，K为（0，1）之间的比例常数，在收敛速度和稳定性之间提供平衡，第二计算机单元根据图像信息基于神经网络在运行时设置K，并根据图片信息实时优化K值，
Figure 275546DEST_PATH_IMAGE002
为多区测光传感器单元根据当前相机所成之像计算出的当前曝光参数。
本发明的有益效果是：
本发明的利用红、绿、蓝、近红外及紫外滤光片对目标进行多通道，全谱段的探测来解决探测波段单一的问题。
本发明基于深度学习的神经网络来自动调节成像设备曝光参数来最大限度的提高图像对比度。有效解决现有的强光背景下暗弱目标探测中图像对比度低，清晰度差的问题。
本发明探测直观，无需后续图像处理，有利于目标自动识别等应用。
附图说明
图1是本发明的结构示意图。
图2是本发明的成像系统的结构示意图。
图3是本发明的方法流程图。
1-成像系统、11-镜头单元、12-偏振片单元、13-滤光片单元、2-图像处理系统、21-电荷耦合图像传感器单元、22-图像融合单元、23-编码器单元、24-卷积解码器单元、25-第一计算机单元、3-总梯度预测系统、31-数字可编程门阵列单元、32-数字信号处理单元、33-运算逻辑单元、4-第二曝光参数生成系统、41-第二计算机单元、42-多区测光传感器单元。
具体实施方式
下面将结合本发明实施例中的附图对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
一种自动调节曝光值的强光偏振探测装置，所述强光偏振探测装置包括成像系统1、图像处理系统2、总梯度预测系统3和第二曝光参数生成系统4；所述成像系统1分别与图像处理系统2和第二曝光参数生成系统4相连接，所述图像处理系统2分别与成像系统1总梯度预测系统3和第二曝光参数生成系统4相连接，所述总梯度预测系统3分别与图像处理系统2和第二曝光参数生成系统4相连接；整个装置各系统以串联形式连接，并将新生成的曝光参数传递给偏振相机以调节相机的增益或光圈大小或快门速度，形成闭环调节；
所述成像系统1，用于采集图像；
所述图像处理系统2，用于处理采集后的图像；
所述总梯度预测系统3，用于计算并预测出图像的梯度总量；
所述第二曝光参数生成系统4，用于生成第二曝光值与阈值进行比较，以确定是否将第二曝光值传递给成像系统来调节相机的增益或光圈大小或快门速度。
一种自动调节曝光值的强光偏振探测装置，所述成像系统1包括DALSA公司的P2-40-04K40 CCD镜头单元11、德国科迪CODIXX VIS 偏振片单元12、莱宝高科公司的滤光片单元13，所述镜头单元11的朝向包含被测目标，所述偏振片单元12位于镜头单元11和滤光片单元13之间，所述滤光片单元13位于偏振片单元12的后方，让每个像素获取不同角度的偏振光。滤光片单元和偏振片单元与电荷耦合图像传感器单元像素网络以对齐的方式镶嵌。本装置共包括红、绿、蓝、近红外、紫外5组滤光片，每组滤光片同时获取０°、４５°、９０°、１３５°四种不同方向的偏振光，共计20条通道，每条通道的图像信息由一个偏振相机获取。每个偏振相机光轴平行，放置相邻，具有相同的视野，能同时控制并具有相同的曝光设置。
一种自动调节曝光值的强光偏振探测装置，所述图像处理系统包括亿达电子公司FCCD111A的电荷耦合图像传感器单元21、爱特尔科技有限公司的IFOR AGT-D图像融合单元22、北京德安天才经贸有限公司的RON786编码器单元23、亚德诺ADN4604ASVZ-RL卷积解码器单元24和第一计算机单元25；所述电荷耦合图像传感器单元21与图像融合单元22相连接，所述图像融合单元22与编码器单元23相连接，所述编码器单元23与卷积解码器单元24相连接，所述卷积解码器单元24与第一计算机单元25相连接；
所述电荷耦合图像传感器单元21，图像融合单元22，编码器单元23，卷积解码器单元24和第一计算机单元25均与总梯度预测系统3相连接。
成像系统将每个通道拍摄的目标图像传递给电荷耦合图像传感器单元，电荷耦合图像传感器单元捕获像素网络上每个像素的原始帧，每个原始帧对应不同方向偏振片和不同颜色滤光片的偏振图像，因此包含不同偏振信息。电荷耦合图像传感器单元将所捕获的像素原始帧传输给图像融合单元，图像融合单元可以通过卷积神经网络来提取各个像素中的偏振信息，并将图像以不同波段，不同偏振方向为特征进行融合。融合后的图像以串联的方式导入编码器单元，编码器单元将有相同特征分布的图像信号转换为数字信号，并按照一串脉冲序列的形式传递给卷积解码器单元，卷积解码器单元通过卷积神经网络提取来自编码器单元的数字脉冲信号，经模拟融合后将数据流还原成图像信号传递给第一计算机单元。第一计算机单元通过卷积解码器提取到的每个像素不同偏振方向的偏振信息计算每个像素对应于不同波段的线偏振度，线偏振角，并将计算后的结果以数字信号的矩阵形式传递给总梯度预测系统来进行多模态图像的梯度预测。
一种自动调节曝光值的强光偏振探测装置，所述总梯度预测系统包括合兴电子公司的EP4CE75U1917N FPGA数字可编程门阵列单元31、中科本原的D201数字信号处理单元32、运算逻辑单元33，所述运算逻辑单元33分别与第一计算机单元25、数字信号处理单元32、数字可编程门阵列单元31和第二曝光参数生成系统4相连接，所述电荷耦合图像传感器单元21、图像融合单元22、编码器单元23、卷积解码器单元24和第一计算机单元25均与数字信号处理单元32相连接。
可编程门阵列单元将编写好的总梯度算法导入运算逻辑单元中。数字信号处理单元与图像处理系统连接，根据图像信息基于神经网络实时获取预测最大梯度算法中的比例参数α和第二阈值δ。运算逻辑单元接收到来自第一计算机单元输出的图像各像素点不同波段线偏振度，线偏振角的数字信号后，按照可编程门阵列中的算法，计算并预测出图像的梯度总量。
一种自动调节曝光值的强光偏振探测装置，所述第二曝光参数生成系统4包括第二计算机单元41和多区测光传感器单元42；所述第二计算机单元41分别与电荷耦合图像传感器单元21、图像融合单元22、编码器单元23、卷积解码器单元24、第一计算机单元25、运算逻辑单元33和成像系统1相连接；
所述多区测光传感器单元42分别与第二计算机单元41和成像系统1相连接。
基恩士公司的IX多区测光传感器单元连接成像系统，将成像系统所成的图像分割为若干个测光区域，每个区域独自测光后在整体整合加权计算出一个整体的曝光值，再将该曝光值作为第一曝光值传输到第二计算机单元。第二计算机单元与图像处理系统连接，根据图像信息基于神经网络实时获取计算第二曝光值所需的比例常数K、和第一阈值σ。第二计算机单元与运算逻辑单元连接，获取梯度总量的预测值，进而计算出第二曝光值。将第二曝光值与第一阈值σ进行比较，以确实是否将第二曝光值传递给成像系统来调节相机的增益或光圈大小或快门速度。
一种自动调节曝光值的强光偏振探测装置的探测方法，所述探测方法用以实现对强光场景的偏振探测，具体包括以下步骤：
步骤1：滤光片单元和偏振片单元与电荷耦合图像传感器单元像素网络以对齐的方式镶嵌；用红色滤光片620nm～750nm、绿色滤光片495nm～570nm、蓝色滤光片476nm～495nm)、近红外滤光片780nm～1100nm和紫外滤光片280nm～400nm为目标进行多谱段偏振探测；将偏振片分别置于０°、４５°、９０°、１３５°；令5组滤光片同时获取4种不同方向的偏振光，4个不同偏振方向的偏振片可以获取4个方向的偏振信息，5个不同滤光片可进行5个波段的信号提取，每组对齐镶嵌的一个滤光片和一个偏振片构成一条通道，共计20条通道；
步骤2：每条通道的图像信息由一个偏振相机获取，每个偏振相机光轴平行，放置相邻；每个偏振相机均具有相同的视野，能同时控制并具有相同的曝光设置，镜头和偏振相机的朝向包含被测目标，将来自目标的光引导到图像处理系统的电荷耦合图像传感器单元上；
步骤3：成像系统将每个通道拍摄的目标图像传递给电荷耦合图像传感器单元，电荷耦合图像传感器单元捕获像素网络上每个像素的原始帧；
步骤4：电荷耦合图像传感器单元将所捕获的像素原始帧传输给图像融合单元，图像融合单元通过卷积神经网络来提取各个像素中的偏振信息，并将图像以不同波段，不同偏振方向为特征进行融合；
步骤5：融合后的图像以串联的方式导入编码器单元，编码器单元将有相同特征分布的图像信号转换为数字信号，并按照一串脉冲序列的形式传递给卷积解码器单元；
步骤6：卷积解码器单元通过卷积神经网络提取来自编码器单元的数字脉冲信号，经模拟融合后将数据流还原成图像信号传递给第一计算机单元；
步骤7：第一计算机单元通过卷积解码器提取到的每个像素不同偏振方向的偏振信息计算每个像素对应于不同波段的线偏振度，线偏振角，并将计算后的结果以数字信号的矩阵形式传递给总梯度预测系统来进行多模态图像的梯度预测；
步骤8：总梯度预测系统为每个像素通道选择一个最大梯度值，根据所选择的最大梯度值生成梯度映射，从每个通道计算的线偏振度和线偏振角的梯度值中选择最大梯度；
步骤9：计算图像的梯度总量Gradmag，为每个像素的局部最大梯度
Figure 106142DEST_PATH_IMAGE001
的和；
步骤10：将获取的图像梯度总量的预测值输入第二计算机单元，第二计算机单元根据该预测值Gradmag和当前曝光参数
Figure 350042DEST_PATH_IMAGE002
计算新的曝光值
Figure 133190DEST_PATH_IMAGE003
；
步骤11：第二计算机系统根据场景和图像信息生成第一阈值σ，并判断（
Figure 95330DEST_PATH_IMAGE003
-
Figure 864703DEST_PATH_IMAGE002
）与第一阈值σ的大小，若（
Figure 228688DEST_PATH_IMAGE003
-
Figure 917158DEST_PATH_IMAGE002
）＞σ，则将新生成的曝光值作为新指令传递给成像系统，调节相机的增益或光圈大小或快门速度来提升图像对比度；若（
Figure 366594DEST_PATH_IMAGE003
-
Figure 533133DEST_PATH_IMAGE002
）＜σ，则丢弃新生成的曝光值，并认定当前拍摄的图像已是最高对比度图像。
一种自动调节曝光值的强光偏振探测装置的探测方法，所述步骤7线偏振度计算公式为：
Figure 751625DEST_PATH_IMAGE004
=
Figure 610997DEST_PATH_IMAGE005
(1)
线偏振角计算公式为：
Figure 547729DEST_PATH_IMAGE006
=
Figure 783538DEST_PATH_IMAGE007
(2)
其中
Figure 856536DEST_PATH_IMAGE004
为偏振度，
Figure 886809DEST_PATH_IMAGE006
为线偏振角，
Figure 45258DEST_PATH_IMAGE008
和
Figure 819179DEST_PATH_IMAGE009
为线偏振分量，
Figure 29841DEST_PATH_IMAGE010
为总光强。
一种自动调节曝光值的强光偏振探测装置，所述步骤8计算的梯度值具体为，
Figure 371961DEST_PATH_IMAGE001
=
Figure 17706DEST_PATH_IMAGE011
(3)
其中，
Figure 595317DEST_PATH_IMAGE001
是像素
Figure 908487DEST_PATH_IMAGE012
的局部梯度值；
Figure 280563DEST_PATH_IMAGE013
()是以图像为输入的梯度函数；
f()是调整原始梯度值的函数；
Figure 679183DEST_PATH_IMAGE006
为线偏振角，
Figure 935852DEST_PATH_IMAGE004
为线偏振度，
Figure 837949DEST_PATH_IMAGE014
为所选取像素pi,j处的线偏振角，
Figure 380926DEST_PATH_IMAGE015
为所选取像素pi,j处的线偏振度
Figure 1263DEST_PATH_IMAGE016
为每条通道计算的Aolp和Dolp的梯度中选择的最大梯度。
一种自动调节曝光值的强光偏振探测装置的探测方法，所述步骤9计算图像的梯度总量的预测值Gradmag，为每个像素的局部最大梯度
Figure 186256DEST_PATH_IMAGE001
的和具体为：
Figure 208439DEST_PATH_IMAGE017
（4）
N=
Figure 922317DEST_PATH_IMAGE018
（5）
其中，N为标准因子，允许Gradmag在（0，1）之间变化；α，δ为调制梯度信息的控制参数，α的取值与梯度信息成反比，即α取小值时梯度信息为强，α取大值时梯度信息为弱；δ是预设的第二阈值，用于滤除认定是噪声的梯度值；α，δ是数字信号处理单元根据图像处理系统中的图像信息基于神经网络实时获取的。
一种自动调节曝光值的强光偏振探测装置的探测方法，所述步骤10将获取的图像梯度总量的预测值输入第二计算机单元，第二计算机单元根据该预测值Gradmag和当前曝光参数
Figure 29950DEST_PATH_IMAGE002
计算新的曝光值
Figure 628422DEST_PATH_IMAGE003
具体为：
Figure 505111DEST_PATH_IMAGE003
=1+K（1-Gradmag）
Figure 655470DEST_PATH_IMAGE002
（6）
其中，K为（0，1）之间的比例常数，在收敛速度和稳定性之间提供平衡，第二计算机单元根据图像信息基于神经网络在运行时设置K，并根据图片信息实时优化K值，
Figure 250399DEST_PATH_IMAGE002
为多区测光传感器单元根据当前相机所成之像计算出的当前曝光参数。

Claims (10)

1.一种自动调节曝光值的强光偏振探测装置，其特征在于，所述强光偏振探测装置包括成像系统（1）、图像处理系统（2）、总梯度预测系统（3）和第二曝光参数生成系统（4）；所述成像系统（1）分别与图像处理系统（2）和第二曝光参数生成系统（4）相连接，所述图像处理系统（2）分别与成像系统（1）总梯度预测系统（3）和第二曝光参数生成系统（4）相连接，所述总梯度预测系统（3）分别与图像处理系统（2）和第二曝光参数生成系统（4）相连接；
所述成像系统（1），用于采集图像；
所述图像处理系统（2），用于处理采集后的图像；
所述总梯度预测系统（3），用于计算并预测出图像的梯度总量；
所述第二曝光参数生成系统（4），用于生成第二曝光值与第一阈值进行比较，以确定是否将第二曝光值传递给成像系统来调节相机的增益或光圈大小或快门速度。
2.根据权利要求1所述一种自动调节曝光值的强光偏振探测装置，其特征在于，所述成像系统（1）包括镜头单元（11）、偏振片单元（12）和滤光片单元（13），所述镜头单元（11）的朝向包含被测目标，所述偏振片单元（12）位于镜头单元（11）和滤光片单元（13）之间，所述滤光片单元（13）位于偏振片单元（12）的后方。
3.根据权利要求1所述一种自动调节曝光值的强光偏振探测装置，其特征在于，所述图像处理系统包括电荷耦合图像传感器单元（21），图像融合单元（22），编码器单元（23），卷积解码器单元（24）和第一计算机单元（25）；所述电荷耦合图像传感器单元（21）与图像融合单元（22）相连接，所述图像融合单元（22）与编码器单元（23）相连接，所述编码器单元（23）与卷积解码器单元（24）相连接，所述卷积解码器单元（24）与第一计算机单元（25）相连接；
所述电荷耦合图像传感器单元（21），图像融合单元（22），编码器单元（23），卷积解码器单元（24）和第一计算机单元（25）均与总梯度预测系统（3）相连接。
4.根据权利要求3所述一种自动调节曝光值的强光偏振探测装置，其特征在于，所述总梯度预测系统包括数字可编程门阵列单元（31），数字信号处理单元（32）和运算逻辑单元（33），所述运算逻辑单元（33）分别与第一计算机单元（25）、数字信号处理单元（32）、数字可编程门阵列单元（31）和第二曝光参数生成系统（4）相连接，所述电荷耦合图像传感器单元（21）、图像融合单元（22）、编码器单元（23）、卷积解码器单元（24）和第一计算机单元（25）均与数字信号处理单元（32）相连接。
5.根据权利要求4所述一种自动调节曝光值的强光偏振探测装置，其特征在于，所述第二曝光参数生成系统（4）包括第二计算机单元（41）和多区测光传感器单元（42）；所述第二计算机单元（41）分别与电荷耦合图像传感器单元（21）、图像融合单元（22）、编码器单元（23）、卷积解码器单元（24）、第一计算机单元（25）、运算逻辑单元（33）和成像系统（1）相连接；
所述多区测光传感器单元（42）分别与第二计算机单元（41）和成像系统（1）相连接。
6.根据权利要求1所述一种自动调节曝光值的强光偏振探测装置的探测方法，其特征在于，所述探测方法具体包括以下步骤：
步骤1：滤光片单元和偏振片单元与电荷耦合图像传感器单元像素网络以对齐的方式镶嵌；用红色滤光片620nm～750nm、绿色滤光片495nm～570nm、蓝色滤光片476nm～495nm、近红外滤光片780nm～1100nm和紫外滤光片280nm～400nm为目标进行多谱段偏振探测；将偏振片分别置于０°、４５°、９０°、1３５°；令5组滤光片同时获取4种不同方向的偏振光，共计20条通道；
步骤2：每条通道的图像信息由一个偏振相机获取，每个偏振相机光轴平行，放置相邻；将来自目标的光引导到图像处理系统的电荷耦合图像传感器单元上；
步骤3：成像系统将每个通道拍摄的目标图像传递给电荷耦合图像传感器单元，电荷耦合图像传感器单元捕获像素网络上每个像素的原始帧；
步骤4：电荷耦合图像传感器单元将所捕获的像素原始帧传输给图像融合单元，图像融合单元通过卷积神经网络来提取各个像素中的偏振信息，并将图像以不同波段，不同偏振方向为特征进行融合；
步骤5：融合后的图像以串联的方式导入编码器单元，编码器单元将有相同特征分布的图像信号转换为数字信号，并按照一串脉冲序列的形式传递给卷积解码器单元；
步骤6：卷积解码器单元通过卷积神经网络提取来自编码器单元的数字脉冲信号，经模拟融合后将数据流还原成图像信号传递给第一计算机单元；
步骤7：第一计算机单元通过卷积解码器提取到的每个像素不同偏振方向的偏振信息计算每个像素对应于不同波段的线偏振度，线偏振角，并将计算后的结果以数字信号的矩阵形式传递给总梯度预测系统来进行多模态图像的梯度预测；
步骤8：总梯度预测系统为每个像素通道选择一个最大梯度值，根据所选择的最大梯度值生成梯度映射，从每个通道计算的线偏振度和线偏振角的梯度值中选择最大梯度；
步骤9：计算图像的梯度总量的预测值Gradmag，为每个像素的局部最大梯度
Figure 365564DEST_PATH_IMAGE001
的和；
步骤10：将获取的图像梯度总量的预测值输入第二计算机单元，第二计算机单元根据梯度总量的预测值Gradmag和当前曝光参数
Figure 41396DEST_PATH_IMAGE002
计算新的曝光值
Figure 223022DEST_PATH_IMAGE003
；
步骤11：第二计算机系统根据场景和图像信息生成第一阈值σ，并判断（
Figure 476149DEST_PATH_IMAGE003
-
Figure 28353DEST_PATH_IMAGE002
）与第一阈值σ的大小，若（
Figure 417746DEST_PATH_IMAGE003
-
Figure 905359DEST_PATH_IMAGE002
）＞σ，则将新生成的曝光值作为新指令传递给成像系统，调节相机的增益或光圈大小或快门速度来提升图像对比度；若（
Figure 645782DEST_PATH_IMAGE003
-
Figure 736098DEST_PATH_IMAGE002
）＜σ，则丢弃新生成的曝光值，并认定当前拍摄的图像已是最高对比度图像。
7.根据权利要求6所述一种自动调节曝光值的强光偏振探测装置的探测方法，其特征在于，所述步骤7线偏振度计算公式为：
Figure 245576DEST_PATH_IMAGE004
=
Figure 763145DEST_PATH_IMAGE005
(1)
线偏振角计算公式为：
Figure 866231DEST_PATH_IMAGE006
=
Figure 760237DEST_PATH_IMAGE007
(2)
其中
Figure 389802DEST_PATH_IMAGE004
为偏振度，
Figure 812693DEST_PATH_IMAGE006
为线偏振角，
Figure 527708DEST_PATH_IMAGE008
和
Figure 100772DEST_PATH_IMAGE009
为线偏振分量，
Figure 319263DEST_PATH_IMAGE010
为总光强。
8.根据权利要求6所述一种自动调节曝光值的强光偏振探测装置的探测方法，其特征在于，所述步骤8计算的梯度值具体为，
Figure 178635DEST_PATH_IMAGE001
=
Figure 115367DEST_PATH_IMAGE011
(3)
其中，
Figure 616755DEST_PATH_IMAGE001
是像素
Figure 830699DEST_PATH_IMAGE012
的局部梯度值；
Figure 120692DEST_PATH_IMAGE013
()是以图像为输入的梯度函数；f()是调整原始梯度值的函数；
Figure 544720DEST_PATH_IMAGE006
为线偏振角，
Figure 318641DEST_PATH_IMAGE004
为线偏振度，
Figure 246146DEST_PATH_IMAGE014
为所选取像素pi,j处的线偏振角，
Figure 853845DEST_PATH_IMAGE015
为所选取像素pi,j处的线偏振度
Figure 499590DEST_PATH_IMAGE016
为每条通道计算的Aolp和Dolp的梯度中选择的最大梯度。
9.根据权利要求6所述一种自动调节曝光值的强光偏振探测装置的探测方法，其特征在于，所述步骤9计算图像的梯度总量的预测值Gradmag，为每个像素的局部最大梯度
Figure 77201DEST_PATH_IMAGE001
的和具体为：
Figure 124792DEST_PATH_IMAGE017
（4）
N=
Figure 496867DEST_PATH_IMAGE018
（5）
其中，N为标准因子，允许Gradmag在（0，1）之间变化；α，δ为调制梯度信息的控制参数，α的取值与梯度信息成反比；δ是预设的第二阈值，用于滤除认定是噪声的梯度值；α，δ是数字信号处理单元根据图像处理系统中的图像信息基于神经网络实时获取的。
10.根据权利要求6所述一种自动调节曝光值的强光偏振探测装置的探测方法，其特征在于，所述步骤10将获取的图像梯度总量的预测值输入第二计算机单元，第二计算机单元根据该预测值Gradmag和当前曝光参数
Figure 895488DEST_PATH_IMAGE002
计算新的曝光值
Figure 11211DEST_PATH_IMAGE003
具体为：
Figure 178887DEST_PATH_IMAGE003
=1+K（1-Gradmag）
Figure 721864DEST_PATH_IMAGE002
（6）
其中，K为（0，1）之间的比例常数，在收敛速度和稳定性之间提供平衡，第二计算机单元根据图像信息基于神经网络在运行时设置K，并根据图片信息实时优化K值，
Figure 217568DEST_PATH_IMAGE002
为多区测光传感器单元根据当前相机所成之像计算出的当前曝光参数。
CN202211204799.7A 2022-09-30 2022-09-30 一种自动调节曝光值的强光偏振探测装置及其探测方法 Active CN115265786B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211204799.7A CN115265786B (zh) 2022-09-30 2022-09-30 一种自动调节曝光值的强光偏振探测装置及其探测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211204799.7A CN115265786B (zh) 2022-09-30 2022-09-30 一种自动调节曝光值的强光偏振探测装置及其探测方法

Publications (2)

Publication Number Publication Date
CN115265786A true CN115265786A (zh) 2022-11-01
CN115265786B CN115265786B (zh) 2023-01-10

Family

ID=83757979

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211204799.7A Active CN115265786B (zh) 2022-09-30 2022-09-30 一种自动调节曝光值的强光偏振探测装置及其探测方法

Country Status (1)

Country Link
CN (1) CN115265786B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102883176A (zh) * 2011-07-11 2013-01-16 索尼公司 图像处理装置、图像处理方法和程序
CN103500444A (zh) * 2013-09-04 2014-01-08 北京航空航天大学 一种偏振图像融合方法
CN106657802A (zh) * 2016-12-19 2017-05-10 北京空间机电研究所 一种转轮式多光谱相机自动曝光调节系统及调节方法
CN110763342A (zh) * 2019-09-30 2020-02-07 成都鼎屹信息技术有限公司 一种红外偏振超像元辐射光强图像分辨率还原方法
CN111861914A (zh) * 2020-07-07 2020-10-30 天津大学 基于深度神经网络的低照度彩色偏振图像增强方法
CN113421205A (zh) * 2021-07-16 2021-09-21 合肥工业大学 一种结合红外偏振成像的小目标检测方法
US20210356572A1 (en) * 2019-10-07 2021-11-18 Boston Polarimetrics, Inc. Systems and methods for augmentation of sensor systems and imaging systems with polarization
CN114173066A (zh) * 2020-09-11 2022-03-11 通用汽车环球科技运作有限责任公司 成像系统和方法
WO2022175688A1 (en) * 2021-02-22 2022-08-25 Imperial College Innovations Limited Image processing
CN114943715A (zh) * 2022-05-31 2022-08-26 闽南师范大学 一种基于偏振度分布的机器视觉计数测量方法
WO2022204666A1 (en) * 2021-03-25 2022-09-29 Sri International Polarized image enhancement using deep neural networks

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102883176A (zh) * 2011-07-11 2013-01-16 索尼公司 图像处理装置、图像处理方法和程序
CN103500444A (zh) * 2013-09-04 2014-01-08 北京航空航天大学 一种偏振图像融合方法
CN106657802A (zh) * 2016-12-19 2017-05-10 北京空间机电研究所 一种转轮式多光谱相机自动曝光调节系统及调节方法
CN110763342A (zh) * 2019-09-30 2020-02-07 成都鼎屹信息技术有限公司 一种红外偏振超像元辐射光强图像分辨率还原方法
US20210356572A1 (en) * 2019-10-07 2021-11-18 Boston Polarimetrics, Inc. Systems and methods for augmentation of sensor systems and imaging systems with polarization
CN111861914A (zh) * 2020-07-07 2020-10-30 天津大学 基于深度神经网络的低照度彩色偏振图像增强方法
CN114173066A (zh) * 2020-09-11 2022-03-11 通用汽车环球科技运作有限责任公司 成像系统和方法
WO2022175688A1 (en) * 2021-02-22 2022-08-25 Imperial College Innovations Limited Image processing
WO2022204666A1 (en) * 2021-03-25 2022-09-29 Sri International Polarized image enhancement using deep neural networks
CN113421205A (zh) * 2021-07-16 2021-09-21 合肥工业大学 一种结合红外偏振成像的小目标检测方法
CN114943715A (zh) * 2022-05-31 2022-08-26 闽南师范大学 一种基于偏振度分布的机器视觉计数测量方法

Also Published As

Publication number Publication date
CN115265786B (zh) 2023-01-10

Similar Documents

Publication Publication Date Title
CN113676628B (zh) 成像装置和图像处理方法
Waxman et al. Solid-state color night vision: fusion of low-light visible and thermal infrared imagery
CN101888487B (zh) 高动态范围视频成像系统和图像生成方法
CN104184958B (zh) 一种适用于空间探测成像的基于fpga的自动曝光控制方法及其装置
US10600187B2 (en) Trajectory detection devices and methods
CN110120077B (zh) 一种基于卫星姿态调整的面阵相机在轨相对辐射定标方法
CN107770521B (zh) 相机拍摄模式调整方法
CN109886883A (zh) 实时偏振透雾成像图像增强处理方法
CN107302668A (zh) 一种基于转轮动态分光的高动态范围成像模块
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
KR101969841B1 (ko) 정밀조도를 활용한 전천카메라 기반의 구름 관측 시스템
CN113538314B (zh) 四波段共光轴光电成像平台及其图像融合处理方法
CN105681650B (zh) 一种光场相机消色差方法
CN115265786B (zh) 一种自动调节曝光值的强光偏振探测装置及其探测方法
EP2907300A1 (en) System for capturing scene and nir relighting effects in movie postproduction transmission
CN108600631A (zh) 图像处理方法、装置、计算机可读存储介质和电子设备
CN107295261A (zh) 图像去雾处理方法、装置、存储介质和移动终端
CN112217978A (zh) 基于仿生复眼的三通道偏振图像采集方法及其采集装置
CN110855899B (zh) 基于相关双采样的InGaAs短波红外相机高动态范围成像方法
CN109323766A (zh) 基于场景的两点非均匀性校正方法
CN109118460A (zh) 一种分光偏振光谱信息同步处理方法及系统
CN107277372A (zh) 对焦方法、装置、计算机可读存储介质和移动终端
von Flotow et al. Shallow Search of a 10-Mile Swath with a Flight of Ship-Based UAVs
CN108076284A (zh) 相机拍摄模式调整系统
Zhang et al. Image Acquisition Devices

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